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
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
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
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。