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