上一节:
下一节:

  Python 3 - XML 处理

  • 简述

    XML 是一种可移植的开源语言，它允许程序员开发可以被其他应用程序读取的应用程序，而不管操作系统和/或开发语言如何。

  • 什么是XML？

    可扩展标记语言 (XML) 是一种非常类似于 HTML 或 SGML 的标记语言。这是万维网联盟推荐的，可作为开放标准使用。
    XML 对于跟踪中小量数据非常有用，无需基于 SQL 的主干。

  • XML 解析器架构和 API

    Python 标准库提供了一组最小但有用的接口来处理 XML。
    XML 数据的两个最基本和广泛使用的 API 是 SAX 和 DOM 接口。
    • Simple API for XML (SAX)− 在这里，您为感兴趣的事件注册回调，然后让解析器继续处理文档。当您的文档很大或您有内存限制时，这很有用，它会在从磁盘读取文件时解析文件，并且整个文件永远不会存储在内存中。
    • Document Object Model (DOM) API− 这是万维网联盟的建议，其中整个文件被读入内存并以分层（基于树的）形式存储以表示 XML 文档的所有功能。
    在处理大文件时，SAX 显然无法像 DOM 那样快速地处理信息。另一方面，独占使用 DOM 确实会耗尽您的资源，尤其是在用于许多小文件时。
    SAX 是只读的，而 DOM 允许更改 XML 文件。由于这两个不同的 API 实际上是相互补充的，因此没有理由不能将它们同时用于大型项目。
    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 是用于事件驱动的 XML 解析的标准接口。使用 SAX 解析 XML 通常需要您通过继承 xml.sax.ContentHandler 来创建您自己的 ContentHandler。
    您的ContentHandler处理您的 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。
    方法startDocument和endDocument在 XML 文件的开头和结尾被调用。方法characters(text)通过参数 text 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。如果解析器不在命名空间模式下，方法startElement(tag, attributes)和endElement(tag)被调用；否则，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。
    以下是在继续之前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系统发现的第一个解析器类型。 
    
xml.sax.make_parser( [parser_list] )
    以下是参数的详细信息 -
    • parser_list− 可选参数，由要使用的解析器列表组成，这些解析器必须全部实现 make_parser 方法。

  • 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])
    以下是参数的详细信息 -
    • xmlfile− 这是要读取的 XML 文件的名称。
    • contenthandler− 这必须是一个 ContentHandler 对象。
    • errorhandler− 如果指定，errorhandler 必须是 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 string. 
    
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
    以下是参数的详细信息 -
    • xmlstring− 这是要读取的 XML 字符串的名称。
    • contenthandler− 这必须是一个 ContentHandler 对象。
    • errorhandler− 如果指定，errorhandler 必须是 SAX ErrorHandler 对象。

    例子

    
#!/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 = ""
   # 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

    这将产生以下结果 - 
    
*****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 scientific 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 对于随机访问应用程序非常有用。SAX 一次只允许您查看文档的一部分。如果您查看的是一个 SAX 元素，则无法访问另一个元素。
    这是快速加载 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，可以从 XML 文件快速创建 DOM 树。
    示例语句调用minidom对象的parse(file[,parser])函数将file指定的XML文件解析为DOM树对象。

    例子

    
#!/usr/bin/python3
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

    这将产生以下结果 - 
    
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 scientific 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 APIs。
上一节:
下一节: