Python 3-XML处理 - 芒果文档

📌 相关文章

📜 Python 3-XML处理

📅 最后修改于: 2020-12-23 05:05:18 🧑 作者: Mango

XML是一种可移植的开放源语言，它使程序员能够开发可由其他应用程序读取的应用程序，而与操作系统和/或开发语言无关。

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。万维网联盟建议这样做，并且可以作为开放标准使用。

XML对于跟踪少量到中等的数据而不需要基于SQL的主干非常有用。

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使用XML。

SAX和DOM接口是两个最基本且使用最广泛的XML数据API。

XML的简单API(SAX) -在这里，您注册感兴趣事件的回调，然后让解析器继续处理文档。当文档很大或有内存限制时，此功能非常有用，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。
文档对象模型(DOM)API-这是万维网联盟的一项建议，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显然不能像DOM一样快地处理信息。另一方面，仅使用DOM确实可以杀死您的资源，尤其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实际上相互补充，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movie.xml作为输入-



   War, Thriller
   DVD
   2003
   PG
   10
   Talk about a US-Japan war


   Anime, Science Fiction
   DVD
   1989
   R
   8
   A schientific fiction

   
   Anime, Action
   DVD
   4
   PG
   10
   Vash the Stampede!


   Comedy
   VHS
   PG
   2
   Viewable boredom

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通常需要您通过子类化xml.sax.ContentHandler来创建自己的ContentHandler。

您的ContentHandler处理XML风格的特定标记和属性。 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文件的开始和结尾处调用startDocument和endDocument方法。通过参数文本将方法字符(文本)传递给XML文件的字符数据。

在每个元素的开始和结束处调用ContentHandler。如果解析器不在命名空间模式下，则调用方法startElement(tag，attribute)和endElement(tag) ；否则，将调用相应的方法startElementNS和endElementNS 。在这里，tag是元素标签，而attribute是Attributes对象。

这是在继续之前要了解的其他重要方法-

make_parser方法

下面的方法创建一个新的解析器对象并返回它。系统发现，创建的解析器对象将是第一种解析器类型。

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，必须全部实现make_parser方法。

解析方法

下面的方法创建一个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ContentHandler对象。
errorhandler-如果指定，则errorhandler必须是SAX ErrorHandler对象。

parseString方法

还有另一种方法来创建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-这是要读取的XML字符串的名称。
contenthandler-这必须是ContentHandler对象。
errorhandler-如果指定，则errorhandler必须是SAX ErrorHandler对象。

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 = ""

   # 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，请参考标准的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一次只允许您查看一份文档。如果您正在查看一个SAX元素，则无权访问另一个元素。

这是快速加载XML文档并使用xml.dom模块创建最小对象的最简单方法。 minidom对象提供了一种简单的解析器方法，该方法可从XML文件快速创建DOM树。

示例短语调用minidom对象的parse(file [，parser])函数来解析XML文件，该XML文件由file指定为DOM树对象。

例

#!/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，请参考标准的Python DOM API 。