Python XML 解析

什麼是 XML？

XML 指可擴充套件標記語言（eXtensible Markup Language）。 你可以通過本站學習 XML 教程

XML 被設計用來傳輸和儲存資料。

XML 是一套定義語義標記的規則，這些標記將文件分成許多部件並對這些部件加以標識。

它也是元標記語言，即定義了用於定義其他與特定領域有關的、語義的、結構化的標記語言的句法語言。

Python 對 XML 的解析

常見的 XML 程式設計介面有 DOM 和 SAX，這兩種介面處理 XML 檔案的方式不同，當然使用場合也不同。

Python 有三種方法解析 XML，SAX，DOM，以及 ElementTree:

1.SAX (simple API for XML )

Python 標準庫包含 SAX 解析器，SAX 用事件驅動模型，通過在解析XML的過程中觸發一個個的事件並呼叫使用者定義的回撥函式來處理XML檔案。

2.DOM(Document Object Model)

將 XML 資料在記憶體中解析成一個樹，通過對樹的操作來操作XML。

3.ElementTree(元素樹)

ElementTree就像一個輕量級的DOM，具有方便友好的API。程式碼可用性好，速度快，消耗記憶體少。

注：因DOM需要將XML資料對映到記憶體中的樹，一是比較慢，二是比較耗記憶體，而SAX流式讀取XML檔案，比較快，佔用記憶體少，但需要使用者實現回撥函式（handler）。

本章節使用到的 XML 例項檔案 movies.xml 內容如下：

movies.xml

<collection shelf="New Arrivals"> <movie title="Enemy Behind"> <type>War, Thriller</type> <format>DVD</format> <year>2003</year> <rating>PG</rating> <stars>10</stars> <description>Talk about a US-Japan war</description> </movie> <movie title="Transformers"> <type>Anime, Science Fiction</type> <format>DVD</format> <year>1989</year> <rating>R</rating> <stars>8</stars> <description>A schientific fiction</description> </movie> <movie title="Trigun"> <type>Anime, Action</type> <format>DVD</format> <episodes>4</episodes> <rating>PG</rating> <stars>10</stars> <description>Vash the Stampede!</description> </movie> <movie title="Ishtar"> <type>Comedy</type> <format>VHS</format> <rating>PG</rating> <stars>2</stars> <description>Viewable boredom</description> </movie> </collection>

python使用SAX解析xml

SAX是一種基於事件驅動的 API。

利用SAX解析XML文件牽涉到兩個部分: 解析器和事件處理器。

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響應，對傳遞的XML資料進行處理。

  • 1、對大型檔案進行處理；
  • 2、只需要檔案的部分內容，或者只需從檔案中得到特定資訊。
  • 3、想建立自己的物件模型的時候。

在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。

ContentHandler類方法介紹

characters(content)方法

呼叫時機：

從行開始，遇到標簽之前，存在字元，content 的值為這些字串。

從一個標簽，遇到下一個標簽之前， 存在字元，content 的值為這些字串。

從一個標簽，遇到行結束符之前，存在字元，content 的值為這些字串。

標簽可以是開始標簽，也可以是結束標簽。

startDocument() 方法

文件啟動的時候呼叫。

endDocument() 方法

解析器到達文件結尾時呼叫。

startElement(name, attrs)方法

遇到XML開始標簽時呼叫，name是標簽的名字，attrs是標簽的屬性值字典。

endElement(name) 方法

遇到XML結束標簽時呼叫。

make_parser方法

以下方法建立一個新的解析器物件並返回。

xml.sax.make_parser( [parser_list] )

引數說明:

  • parser_list - 可選引數，解析器列表

parser方法

以下方法建立一個 SAX 解析器並解析xml文件：

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

引數說明:

  • xmlfile - xml檔名
  • contenthandler - 必須是一個ContentHandler的物件
  • errorhandler - 如果指定該引數，errorhandler必須是一個SAX ErrorHandler物件

parseString方法

parseString方法建立一個XML解析器並解析xml字串：

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

引數說明:

  • xmlstring - xml字串
  • contenthandler - 必須是一個ContentHandler的物件
  • errorhandler - 如果指定該引數，errorhandler必須是一個SAX ErrorHandler物件

Python 解析XML例項

例項

#!/usr/bin/python # -*- coding: UTF-8 -*- import xml.sax class MovieHandler( xml.sax.ContentHandler ): def __init__(self): self.CurrentData = "" self.type = "" self.format = "" self.year = "" self.rating = "" self.stars = "" self.description = "" # 元素開始事件處理 def startElement(self, tag, attributes): self.CurrentData = tag if tag == "movie": print "*****Movie*****" title = attributes["title"] print "Title:", title # 元素結束事件處理 def endElement(self, tag): if self.CurrentData == "type": print "Type:", self.type elif self.CurrentData == "format": print "Format:", self.format elif self.CurrentData == "year": print "Year:", self.year elif self.CurrentData == "rating": print "Rating:", self.rating elif self.CurrentData == "stars": print "Stars:", self.stars elif self.CurrentData == "description": print "Description:", self.description self.CurrentData = "" # 內容事件處理 def characters(self, content): if self.CurrentData == "type": self.type = content elif self.CurrentData == "format": self.format = content elif self.CurrentData == "year": self.year = content elif self.CurrentData == "rating": self.rating = content elif self.CurrentData == "stars": self.stars = content elif self.CurrentData == "description": self.description = 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 = MovieHandler() parser.setContentHandler( Handler ) parser.parse("movies.xml")

以上程式碼執行結果如下：

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom

完整的 SAX API 文件請查閱Python SAX APIs

使用xml.dom解析xml

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，例項如下：

例項

#!/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("movies.xml") collection = DOMTree.documentElement if collection.hasAttribute("shelf"): print "Root element : %s" % collection.getAttribute("shelf") # 在集合中獲取所有電影 movies = collection.getElementsByTagName("movie") # 列印每部電影的詳細資訊 for movie in movies: print "*****Movie*****" if movie.hasAttribute("title"): print "Title: %s" % movie.getAttribute("title") type = movie.getElementsByTagName('type')[0] print "Type: %s" % type.childNodes[0].data format = movie.getElementsByTagName('format')[0] print "Format: %s" % format.childNodes[0].data rating = movie.getElementsByTagName('rating')[0] print "Rating: %s" % rating.childNodes[0].data description = movie.getElementsByTagName('description')[0] print "Description: %s" % description.childNodes[0].data

以上程式執行結果如下：

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom

完整的 DOM API 文件請查閱Python DOM APIs。