Python 3 – XML处理
XML是一种可移植的开源语言,允许程序员开发应用程序,这些应用程序可以被其他应用程序读取,而不受操作系统和/或开发语言的限制。
什么是XML?
可扩展标记语言(XML)是一种类似于HTML或SGML的标记语言。这是由万维网联盟推荐并作为一种开放标准提供的。
XML非常有用,可以在不需要基于SQL的骨干的情况下跟踪小到中等数量的数据。
XML解析器体系结构和API
Python标准库提供了一组最小但有用的接口来处理XML。
处理XML数据的两个最基本和广泛使用的API是SAX和DOM接口。
- 面向XML的简单API(SAX) − 在这里,您为感兴趣的事件注册回调,然后让解析器通过文档进行。当您的文档很大或者内存有限时,它会将文件解析为从磁盘读取的文件,整个文件永远不会存储在内存中。
-
文档对象模型(DOM)API − 这是万维网联盟推荐的一种方式,其中整个文件被读入内存并以分层(基于树)形式存储以表示XML文档的所有特征。
当处理大文件时,SAX显然无法像DOM那样快速处理信息。另一方面,如果在许多小文件上使用DOM,将真正消耗您的资源。
SAX是只读的,而DOM允许更改XML文件。由于这两种不同的API互补,因此没有理由不能在大型项目中同时使用它们。
对于我们所有的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>关于美日战争的谈话</description>
</movie>
<movie title = "Transformers">
<type>Anime, Science Fiction</type>
<format>DVD</format>
<year>1989</year>
<rating>R</rating>
<stars>8</stars>
<description>科幻</description>
</movie>
<movie title = "Trigun">
<type>Anime, Action</type>
<format>DVD</format>
<episodes>4</episodes>
<rating>PG</rating>
<stars>10</stars>
<description>维希冈的故事!</description>
</movie>
<movie title = "Ishtar">
<type>Comedy</type>
<format>VHS</format>
<rating>PG</rating>
<stars>2</stars>
<description>可以观看的无聊</description>
</movie>
</collection>
使用SAX API解析XML
SAX是一种用于事件驱动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创建自己的ContentHandler。
您的 ContentHandler 处理您的XML口味的特定标记和属性。 ContentHandler对象提供处理各种解析事件的方法。它拥有的解析器在解析XML文件时调用ContentHandler方法。
方法 startDocument 和 endDocument 在XML文件的开头和结尾调用。该方法 characters(text) 通过参数文本传递XML文件的字符数据。
ContentHandler在每个元素的开始和结束时被调用。如果解析器没有处于名称空间模式,则调用方法 startElement(tag, attributes) 和 endElement(tag) ;否则,调用相应的方法 startElementNS 和 endElementNS 。这里,tag是元素标记,attributes是一个Attributes对象。
以下是继续进行之前需要了解的其他重要方法 –
make_parser方法
以下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第一个找到的解析器类型。
xml.sax.make_parser( [parser_list] )
以下是参数的详细信息 –
- parser_list - 可选参数,由一组实现make_parser方法的解析器组成。
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 - 这是要读取的XML文件的名称。
-
contenthandler - 必须是一个ContentHandler对象。
-
errorhandler - 如果指定,则errorhandler必须是一个SAX ErrorHandler对象。
parseString方法
还有一种方法来创建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,则errorhandler必须是一个SAX ErrorHandler对象。
示例
#!/usr/bin/python3
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 = ""
# 当元素开始时调用
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****电影*****")
title = attributes["title"]
print ("标题:", title)
# 当元素结束时调用
def endElement(self, tag):
if self.CurrentData == "type":
print ("类型:", self.type)
elif self.CurrentData == "format":
print ("格式:", self.format)
elif self.CurrentData == "year":
print ("年份:", self.year)
elif self.CurrentData == "rating":
print ("评级:", self.rating)
elif self.CurrentData == "stars":
print ("主演:", self.stars)
elif self.CurrentData == "description":
print ("简介:", self.description)
self.CurrentData = ""
# 当读取一个字符时调用
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__"):
# 创建一个XMLReader
parser = xml.sax.make_parser()
# 关闭命名空间
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写默认的ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")
输出
这将产生以下结果 −
*****电影*****
标题: 敌人在背后
类型: 战争, 惊悚
格式: DVD
年份: 2003
评级: PG
主演: 10
简介: 谈论美日战争
*****电影*****
标题: 变形金刚
类型: 动画, 科幻
格式: DVD
年份: 1989
评级: R
主演: 8
简介: 科幻小说
*****电影*****
标题: 特种神枪手
类型: 动画, 动作
格式: DVD
评级: PG
主演: 10
简介: 维夏·普赖斯!
*****电影*****
标题: 伊斯塔尔
类型: 喜剧
格式: VHS
评级: PG
主演: 2
简介: 可看的无聊片
如需了解SAX API文档的完整详情,请参阅标准 Python SAX APIs 。
使用DOM APIs解析XML
文档对象模型(“DOM”)是一种由万维网联盟(W3C)提供的跨语言API,用于访问和修改XML文档。
DOM对于随机访问应用程序非常有用。 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,则无法访问另一个元素。
这是一种快速加载XML文档并使用xml.dom模块创建minidom对象的最简单方法。 minidom对象提供一个简单的解析器方法,可以快速从XML文件创建DOM树。
示例短语调用minidom对象的parse(file [, parser])函数将由文件指定的XML文件解析为DOM树对象。
示例 “`
#!/usr/bin/python3
from xml.dom.minidom import parse
import xml.dom.minidom
# 使用minidom解析器打开XML文档
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("根元素 : %s" % collection.getAttribute("shelf"))
# 获取集合中的所有电影
movies = collection.getElementsByTagName("movie")
# 输出每个电影的详情
for movie in movies:
print ("*****电影*****")
if movie.hasAttribute("title"):
print ("标题: %s" % movie.getAttribute("title"))
type = movie.getElementsByTagName('type')[0]
print ("类型: %s" % type.childNodes[0].data)
format = movie.getElementsByTagName('format')[0]
print ("格式: %s" % format.childNodes[0].data)
rating = movie.getElementsByTagName('rating')[0]
print ("等级: %s" % rating.childNodes[0].data)
description = movie.getElementsByTagName('description')[0]
print ("描述: %s" % description.childNodes[0].data)
输出结果
运行以上代码,结果如下所示:
根元素 : New Arrivals
*****电影*****
标题: Enemy Behind
类型: War, Thriller
格式: DVD
等级: PG
描述: Talk about a US-Japan war
*****电影*****
标题: Transformers
类型: Anime, Science Fiction
格式: DVD
等级: R
描述: A scientific fiction
*****电影*****
标题: Trigun
类型: Anime, Action
格式: DVD
等级: PG
描述: Vash the Stampede!
*****电影*****
标题: Ishtar
类型: Comedy
格式: VHS
等级: PG
描述: Viewable boredom
DOM API文档的详细信息,请参阅标准 Python DOM APIs 。