Python XML处理
XML是一种便携式的开源语言,允许程序员开发可以被其他应用程序读取的应用程序,无论操作系统和/或开发语言如何。
什么是XML
可扩展标记语言(XML)是一种类似HTML或SGML的标记语言。这是由万维网联盟推荐并作为开放标准提供。
XML非常实用,可以跟踪小到中等数量的数据,而不需要SQL基础。
XML解析器架构和API。
Python标准库提供了一组最小但有用的与XML处理相关的接口。所有用于XML处理的子模块都在xml包中可用。
- xml.etree.ElementTree - ElementTree API,一个简单轻量的XML处理器
-
xml.dom - DOM API定义。
-
xml.dom.minidom - 一个最小的DOM实现。
-
xml.dom.pulldom - 构建部分DOM树的支持。
-
xml.sax - SAX2基类和便利函数。
-
xml.parsers.expat - Expat解析器绑定。
对于XML数据,最基本且广泛使用的两个API是SAX和DOM接口。
- Simple API for XML (SAX) - 在这里,您注册感兴趣的事件的回调,然后让解析器继续处理文档。当您的文档很大或存在内存限制时,这是非常有用的,它会在从磁盘读取文件时解析文件,整个文件不会存储在内存中。
-
Document Object Model (DOM) - 这是一个万维网联盟推荐的方法,其中整个文件被读入内存并以分层(树形)形式存储,以表示XML文档的所有特性。
SAX显然无法像DOM那样快速处理大文件。另一方面,仅使用DOM可能会严重消耗资源,特别是在许多小文件上使用时。
SAX是只读的,而DOM允许更改XML文件。由于这两个不同的API互为补充,因此在大项目中可以同时使用它们。
对于我们的所有XML代码示例,让我们使用一个简单的XML文件 movies.xml 作为输入 –
<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>
使用SAX API解析XML
SAX是一种事件驱动的XML解析的标准接口。使用SAX解析XML通常需要通过子类化xml.sax.ContentHandler来创建自己的ContentHandler。
您的ContentHandler处理您所需的XML标签和属性。ContentHandler对象提供了处理各种解析事件的方法。解析器在解析XML文件时调用ContentHandler方法。
方法startDocument和endDocument在XML文件的开头和结尾时被调用。方法characters(text)通过参数text传递XML文件的字符数据。
在每个元素的开头和结尾处调用ContentHandler。如果解析器不是处于命名空间模式,将调用方法startElement(tag, attributes)和endElement(tag);否则,将调用相应的方法startElementNS和endElementNS。这里,tag是元素标签,attributes是一个Attributes对象。
在继续之前,还有其他重要的方法需要了解−
make_parser方法
下面的方法创建一个新的解析器对象并返回它。创建的解析器对象将是系统找到的第一个解析器类型。
xml.sax.make_parser( [parser_list] )
这里是参数的详细信息 –
- parser_list - 可选参数,包含要使用的解析器的列表,它们都必须实现make_parser方法。
parse方法
以下方法创建一个SAX解析器并使用它来解析文档。
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
以下是参数的详细信息:
- xmlfile − 这是要从中读取的XML文件的名称。
-
contenthandler − 必须是ContentHandler对象。
-
errorhandler − 如果指定了,errorhandler必须是一个SAX ErrorHandler对象。
parseString方法
还有一种方法可以创建SAX解析器并解析指定的XML字符串。
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
以下是参数的详细信息:
- xmlstring − 这是要从中读取的XML字符串的名称。
-
contenthandler − 必须是一个ContentHandler对象。
-
errorhandler − 如果指定,errorhandler必须是一个SAX ErrorHandler对象。
示例
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 = ""
# Call when an element starts
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# Call when an elements ends
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 = ""
# Call when a character is read
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__"):
# create an XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# override the default ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")
这将会产生以下结果 –
*****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
对于SAX API文档的完整详细信息,请参考标准 Python SAX APIs 。
使用DOM APIs解析XML
文档对象模型(”DOM”)是世界广泛网联盟(W3C)提供的跨语言API,用于访问和修改XML文档。
DOM对于随机访问应用非常有用。SAX只允许您一次查看文档的一部分。如果您正在查看一个SAX元素,您无法访问另一个元素。
以下是快速加载XML文档和使用xml.dom模块创建minidom对象的最简单方法。minidom对象提供了一个简单的解析器方法,可以快速从XML文件创建DOM树。
示例片段调用minidom对象的parse(file [, parser])函数来解析XML文件,该文件指定为file,然后将其转换为DOM树对象。
from xml.dom.minidom import parse
import xml.dom.minidom
# Open XML document using minidom parser
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("Root element : %s" % collection.getAttribute("shelf"))
# Get all the movies in the collection
movies = collection.getElementsByTagName("movie")
# Print detail of each movie.
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)
这将产生以下输出
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
有关DOM API文档的完整详细信息,请参考标准的 Python DOM APIs 。
ElementTree XML API
xml包中有一个ElementTree模块。这是一个简单且轻量级的XML处理器API。
XML是一种类似树形的层次数据格式。此模块中的’ElementTree’将整个XML文档视为一个树。’Element’类表示此树中的单个节点。对XML文件的读写操作是在ElementTree级别上进行的。与单个XML元素及其子元素的交互是在Element级别上进行的。
创建XML文件
树是由根元素和其他元素组成的层次结构。每个元素都是使用这个模块的Element()函数创建的。
import xml.etree.ElementTree as et
e=et.Element('name')
每个元素由标签和attrib属性组成,attrib是一个字典对象。对于树的起始元素,attrib是一个空字典。
>>> root=xml.Element('employees')
>>> root.tag
'employees'
>>> root.attrib
{}
现在,您可以设置一个或多个子元素,将其添加到根元素下。每个子元素可以有一个或多个子元素。 使用SubElement()函数添加它们,并定义其text属性。
child=xml.Element("employee")
nm = xml.SubElement(child, "name")
nm.text = student.get('name')
age = xml.SubElement(child, "salary")
age.text = str(student.get('salary'))
每个子节点都通过append()函数添加到根节点中,如下所示−
root.append(child)
添加所需数量的子元素后,通过elementTree()函数构造一个树对象 −
tree = et.ElementTree(root)
整个树结构由树对象的write()函数写入二进制文件-
f=open('employees.xml', "wb")
tree.write(f)
示例
在这个示例中,树是从字典项列表构建的。每个字典项都包含描述学生数据结构的键值对。构建的树被写入到’myfile.xml’。
import xml.etree.ElementTree as et
employees=[{'name':'aaa','age':21,'sal':5000},{'name':xyz,'age':22,'sal':6000}]
root = et.Element("employees")
for employee in employees:
child=xml.Element("employee")
root.append(child)
nm = xml.SubElement(child, "name")
nm.text = student.get('name')
age = xml.SubElement(child, "age")
age.text = str(student.get('age'))
sal=xml.SubElement(child, "sal")
sal.text=str(student.get('sal'))
tree = et.ElementTree(root)
with open('employees.xml', "wb") as fh:
tree.write(fh)
“myfile.xml” 存储在当前工作目录中。
<employees><employee><name>aaa</name><age>21</age><sal>5000</sal></employee><employee><name>xyz</name><age>22</age><sal>60</sal></employee></employee>
解析XML文件
现在让我们读取上面示例中创建的’myfile.xml’文件。为此,将使用ElementTree模块中的以下函数:
ElementTree() - 该函数被重载以将元素的层次结构读取到树对象中。
tree = et.ElementTree(file='students.xml')
getroot() - 此函数返回树的根元素。
root = tree.getroot()
你可以获取某个元素下面一级的子元素列表。
children = list(root)
在下面的例子中,’myfile.xml’ 的元素和子元素会被解析成一个字典项的列表。
例子
import xml.etree.ElementTree as et
tree = et.ElementTree(file='employees.xml')
root = tree.getroot()
employees=[]
children = list(root)
for child in children:
employee={}
pairs = list(child)
for pair in pairs:
employee[pair.tag]=pair.text
employees.append(employee)
print (employees)
它将产生以下输出。 输出 −
[{'name': 'aaa', 'age': '21', 'sal': '5000'}, {'name': 'xyz', 'age':'22', 'sal': '6000'}]
修改XML文件
我们将使用Element的iter()函数。它会为给定的标签创建一个树迭代器,当前元素为根元素。迭代器按照文档(深度优先)顺序遍历该元素和其下所有元素。
让我们为所有’marks’子元素构建迭代器,并将每个’sal’标签的文本增加100。
import xml.etree.ElementTree as et
tree = et.ElementTree(file='students.xml')
root = tree.getroot()
for x in root.iter('sal'):
s=int (x.text)
s=s+100
x.text=str(s)
with open("employees.xml", "wb") as fh:
tree.write(fh)
我们的 ’employees.xml’ 现在将相应地被修改。 我们还可以使用 set() 来更新某个键的值。
x.set(marks, str(mark))