Python XML处理

XML是一种便携式的开源语言，允许程序员开发可由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）是一种非常像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的。

XML对于跟踪小到中等数量的数据非常有用，而不需要基于SQL的主干。

XML解析器体系结构和API

Python标准库提供了使用XML的最小但有用的一组接口。

两个最基本和广泛使用的API到XML数据是SAX和DOM接口。

简单的API API（SAX）：在这里，您注册感兴趣的事件的回调，然后让解析器继续执行文档。当您的文档很大或内存有限时，这是非常有用的，它会在文件从磁盘读取文件时解析文件，并且整个文件不会存储在内存中。
文档对象模型（DOM）API：这是一个万维网联盟推荐，其中将整个文件读入内存并以分层（基于树）的形式存储，以表示XML文档的所有功能。

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，使用DOM专门可以真正地杀死你的资源，特别是如果用在很多小文件上。

SAX是只读的，而DOM允许更改XML文件。由于这两种不同的API相辅相成，所以没有理由为大型项目使用它们。

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>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通常需要通过对xml.sax.ContentHandler进行子类化来创建自己的ContentHandler。

您的ContentHandler处理XML风格的特定标签和属性。ContentHandler对象提供了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。

在XML文件的开头和结尾调用startDocument和endDocument方法。方法字符（文本）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处被调用。如果解析器不在命名空间模式下，则调用startElement（tag，attributes）和endElement（tag）方法; 否则调用相应的方法startElementNS和endElementNS。这里，tag是元素标签，属性是Attributes对象。

以下是继续之前了解的其他重要方法 -

该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系统查找的第一个解析器类型。

xml.sax.make_parser( [parser_list] )

这里是参数的细节：

parser_list：可选参数，由使用哪个解析器的列表组成，必须全部实现make_parser方法。

该解析方法

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])

这里是参数的细节 -

xmlfile：这是要读取的XML文件的名称。
contenthandler：这必须是ContentHandler对象。
errorhandler：如果指定，errorhandler必须是SAX ErrorHandler对象。

该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string。

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

这里是参数的细节 -

xmlstring：这是要读取的XML字符string的名称。
contenthandler：这必须是ContentHandler对象。
errorhandler：如果指定，errorhandler必须是SAX ErrorHandler对象。

例

#!/usr/bin/python

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")

输出结果如下 -

*****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

有关SAX API文档的完整详细信息，请参阅标准Python SAX API。

使用DOM API解析XML

文档对象模型（“DOM”）是来自万维网联盟（W3C）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位。如果您正在查看一个SAX元素，则无法访问另一个。

以下是快速加载XML文档并使用xml.dom模块创建minidom对象的最简单方法。minidom对象提供了一个简单的解析器方法，可以从XML文件快速创建一个DOM树。

示例短语调用minidom对象的parse（file [，parser]）函数，将文件指定的XML文件解析为DOM树对象。

#!/usr/bin/python

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

输出结果如下 -

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

有关DOM API文档的完整详细信息，请参阅标准Python DOM API。