用Python解析XML的幾種常見方法的介紹
這篇文章主要介紹了用Python解析XML的幾種常見方法,包括快速的使用ElementTree模組等方法的例項介紹,需要的朋友可以參考下
一、簡介
XML(eXtensible Markup Language)指可擴充套件標記語言,被設計用來傳輸和儲存資料,已經日趨成為當前許多新生技術的核心,在不同的領域都有著不同的應用。它是web發展到一定階段的必然產物,既具有SGML的核心特徵,又有著HTML的簡單特性,還具有明確和結構良好等許多新的特性。
python解析XML常見的有三種方法:一是xml.dom.*模組,它是W3C DOM API的實現,若需要處理DOM API則該模組很適合,注意xml.dom包裡面有許多模組,須區分它們間的不同;二是xml.sax.*模組,它是SAX API的實現,這個模組犧牲了便捷性來換取速度和記憶體佔用,SAX是一個基於事件的API,這就意味著它可以“在空中”處理龐大數量的的文件,不用完全載入進記憶體;三是xml.etree.ElementTree模組(簡稱 ET),它提供了輕量級的Python式的API,相對於DOM來說ET 快了很多,而且有很多令人愉悅的API可以使用,相對於SAX來說ET的ET.iterparse也提供了 “在空中” 的處理方式,沒有必要載入整個文件到記憶體,ET的效能的平均值和SAX差不多,但是API的效率更高一點而且使用起來很方便。
二、詳解
解析的xml檔案(country.xml):
<?xml version="1.0"?>
<data>
<country name="Singapore">
<rank>4</rank>
<year>2011</year>
<gdppc>59900</gdppc>
<neighbor name="Malaysia" direction="N"/>
</country>
<country name ="Panama">
<rank>68</rank>
<year>2011</year>
<gdppc>13600</gdppc>
<neighbor name="Costa Rica" direction="W"/>
<neighbor name="Colombia" direction="E"/>
</country>
</data>
1.xml.etree.ElementTree
ElementTree生來就是為了處理XML,它在Python標準庫中有兩種實現:一種是純Python實現的,如xml.etree.ElementTree,另一種是速度快一點的xml.etree.cElementTree。注意:儘量使用C語言實現的那種,因為它速度更快,而且消耗的記憶體更少。
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
這是一個讓Python不同的庫使用相同API的一個比較常用的辦法,而從Python 3.3開始ElementTree模組會自動尋找可用的C庫來加快速度,所以只需要import xml.etree.ElementTree就可以了。
#!/usr/bin/evn python
# -*- coding:utf-8 -*-
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
import sys
try:
tree = ET.parse("country.xml") #開啟xml文件
#root = ET.fromstring(country_string) #從字串傳遞xml
root = tree.getroot() #獲得root節點
except Exception, e:
print "Error:cannot parse file:country.xml."
sys.exit(1)
print root.tag, "---", root.attrib
for child in root:
print child.tag, "---", child.attrib
print "*"*10
print root[0][1].text #通過下標訪問
print root[0].tag, root[0].text
print "*"*10
for country in root.findall('country'): #找到root節點下的所有country節點
rank = country.find('rank').text #子節點下節點rank的值
name = country.get('name') #子節點下屬性name的值
print name, rank
#修改xml檔案
for country in root.findall('country'):
rank = int(country.find('rank').text)
if rank > 50:
root.remove(country)
tree.write('output.xml')
執行結果:
2. xml.dom.*
檔案物件模型(Document Object Model,簡稱DOM),是W3C組織推薦的處理可擴充套件置標語言的標準程式設計介面。一個 DOM 的解析器在解析一個XML文件時,一次性讀取整個文件,把文件中所有元素儲存在記憶體中的一個樹結構裡,之後你可以利用DOM 提供的不同的函式來讀取或修改文件的內容和結構,也可以把修改過的內容寫入xml檔案。python中用xml.dom.minidom來解析xml檔案,例子如下:
#!/usr/bin/python
#coding=utf-8
from xml.dom.minidom
import parse import xml.dom.minidom # 使用minidom解析器開啟XML文件
DOMTree = xml.dom.minidom.parse("country.xml")
Data = DOMTree.documentElement
if Data.hasAttribute("name"):
print "name element : %s" % Data.getAttribute("name")
# 在集合中獲取所有國家
Countrys = Data.getElementsByTagName("country")
# 列印每個國家的詳細資訊
for Country in Countrys:
print "*****Country*****"
if Country.hasAttribute("name"):
print "name: %s" % Country.getAttribute("name")
rank = Country.getElementsByTagName('rank')[0]
print "rank: %s" % rank.childNodes[0].data
year = Country.getElementsByTagName('year')[0]
print "year: %s" % year.childNodes[0].data
gdppc = Country.getElementsByTagName('gdppc')[0]
print "gdppc: %s" % gdppc.childNodes[0].data
for neighbor in Country.getElementsByTagName("neighbor"):
print neighbor.tagName, ":", neighbor.getAttribute("name"), neighbor.getAttribute("direction")
3. xml.sax.*
SAX是一種基於事件驅動的API,利用SAX解析XML牽涉到兩個部分:解析器和事件處理器。其中解析器負責讀取XML文件,並向事件處理器傳送事件,如元素開始跟元素結束事件;而事件處理器則負責對事件作出相應,對傳遞的XML資料進行處理。python中使用sax方式處理xml要先引入xml.sax中的parse函式,還有xml.sax.handler中的ContentHandler。常使用在如下的情況下:一、對大型檔案進行處理;二、只需要檔案的部分內容,或者只需從檔案中得到特定資訊;三、想建立自己的物件模型的時候。
ContentHandler類方法介紹
(1)characters(content)方法
呼叫時機:
從行開始,遇到標籤之前,存在字元,content的值為這些字串。
從一個標籤,遇到下一個標籤之前, 存在字元,content的值為這些字串。
從一個標籤,遇到行結束符之前,存在字元,content的值為這些字串。
標籤可以是開始標籤,也可以是結束標籤。
(2)startDocument()方法
文件啟動的時候呼叫。
(3)endDocument()方法
解析器到達文件結尾時呼叫。
(4)startElement(name, attrs)方法
遇到XML開始標籤時呼叫,name是標籤的名字,attrs是標籤的屬性值字典。
(5)endElement(name)方法
遇到XML結束標籤時呼叫。
#coding=utf-8 #!/usr/bin/python
import xml.sax
class CountryHandler(xml.sax.ContentHandler):
def __init__(self):
self.CurrentData = ""
self.rank = ""
self.year = ""
self.gdppc = ""
self.neighborname = ""
self.neighbordirection = ""
# 元素開始事件處理
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "country":
print "*****Country*****"
name = attributes["name"]
print "name:", name
elif tag == "neighbor":
name = attributes["name"]
direction = attributes["direction"]
print name, "->", direction
# 元素結束事件處理
def endElement(self, tag):
if self.CurrentData == "rank":
print "rank:", self.rank
elif self.CurrentData == "year":
print "year:", self.year
elif self.CurrentData == "gdppc":
print "gdppc:", self.gdppc
self.CurrentData = ""
# 內容事件處理
def characters(self, content):
if self.CurrentData == "rank":
self.rank = content
elif self.CurrentData == "year":
self.year = content
elif self.CurrentData == "gdppc":
self.gdppc = content
if __name__ == "__main__":
# 建立一個
XMLReader parser = xml.sax.make_parser() # turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重寫 ContextHandler
Handler = CountryHandler()
parser.setContentHandler(Handler)
parser.parse("country.xml")
執行結果:
4. libxml2和lxml解析xml
libxml2是使用C語言開發的xml解析器,是一個基於MIT License的免費開源軟體,多種程式語言都有基於它的實現,python中的libxml2模組有點小不足的是:xpathEval()介面不支援類似模板的用法,但不影響使用,因libxml2採用C語言開發的,因此在使用API介面的方式上難免會有點不適應。
#!/usr/bin/python
#coding=utf-8
import libxml2
doc = libxml2.parseFile("country.xml")
for book in doc.xpathEval('//country'):
if book.content != "":
print "----------------------"
print book.content
for node in doc.xpathEval("//country/neighbor[@name = 'Colombia']"):
print node.name, (node.properties.name, node.properties.content) doc.freeDoc()
lxml是以libxml2為基礎採用python語言開發的,從使用層面上說比lxml更適合python開發者,且xpath()介面支援類似模板的用法。
#!/usr/bin/python
#coding=utf-8
import lxml.etree
doc = lxml.etree.parse("country.xml")
for node in doc.xpath("//country/neighbor[@name = $name]", name = "Colombia"):
print node.tag, node.items()
for node in doc.xpath("//country[@name = $name]", name = "Singapore"):
print node.tag, node.items()
三、總結
(1)Python中XML解析可用的類庫或模組有xml、libxml2 、lxml 、xpath等,需要深入瞭解的還需參考相應的文件。
(2)每一種解析方式都有自己的優點和缺點,選擇前可以綜合各個方面的效能考慮。
(3)若有不足,請留言,在此先感謝!