python3 xml 解析

xml 指可擴(kuò)展標(biāo)記語(yǔ)言（extensible markup language），是一種用于標(biāo)記電子文件使其具有結(jié)構(gòu)性的標(biāo)記語(yǔ)言。xml 通常被用來(lái)設(shè)計(jì)傳輸和存儲(chǔ)數(shù)據(jù)。

python 支持對(duì) xml 的解析，常見(jiàn)的 xml 編程接口有 dom 和 sax，這兩種接口處理 xml 文件的方式不同，當(dāng)然使用場(chǎng)合也不同。

1.sax (simple api for xml )

python 標(biāo)準(zhǔn)庫(kù)包含 sax 解析器，sax 用事件驅(qū)動(dòng)模型，通過(guò)在解析 xml 的過(guò)程中觸發(fā)一個(gè)個(gè)的事件并調(diào)用用戶定義的回調(diào)函數(shù)來(lái)處理 xml 文件。

2.dom(document object model)

將 xml 數(shù)據(jù)在內(nèi)存中解析成一個(gè)樹(shù)，通過(guò)對(duì)樹(shù)的操作來(lái)操作 xml。

本章節(jié)使用到的 xml 范例文件 movies.xml 內(nèi)容如下：

<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> 

python 使用 sax 解析 xml

sax 是一種基于事件驅(qū)動(dòng)的api。

利用 sax 解析 xml 文檔牽涉到兩個(gè)部分: 解析器和事件處理器。

解析器負(fù)責(zé)讀取 xml 文檔，并向事件處理器發(fā)送事件，如元素開(kāi)始跟元素結(jié)束事件。

而事件處理器則負(fù)責(zé)對(duì)事件作出響應(yīng)，對(duì)傳遞的 xml 數(shù)據(jù)進(jìn)行處理。

• 1、對(duì)大型文件進(jìn)行處理；
• 2、只需要文件的部分內(nèi)容，或者只需從文件中得到特定信息。
• 3、想建立自己的對(duì)象模型的時(shí)候。

在 python 中使用 sax 方式處理 xml 要先引入 xml.sax 中的 parse 函數(shù)，還有 xml.sax.handler 中的 contenthandler。

contenthandler 類方法介紹

characters(content) 方法

調(diào)用時(shí)機(jī)：

從行開(kāi)始，遇到標(biāo)簽之前，存在字符，content 的值為這些字符串。

從一個(gè)標(biāo)簽，遇到下一個(gè)標(biāo)簽之前， 存在字符，content 的值為這些字符串。

從一個(gè)標(biāo)簽，遇到行結(jié)束符之前，存在字符，content 的值為這些字符串。

標(biāo)簽可以是開(kāi)始標(biāo)簽，也可以是結(jié)束標(biāo)簽。

startdocument() 方法

文檔啟動(dòng)的時(shí)候調(diào)用。

enddocument() 方法

解析器到達(dá)文檔結(jié)尾時(shí)調(diào)用。

startelement(name, attrs) 方法

遇到xml開(kāi)始標(biāo)簽時(shí)調(diào)用，name 是標(biāo)簽的名字，attrs 是標(biāo)簽的屬性值字典。

endelement(name) 方法

遇到xml結(jié)束標(biāo)簽時(shí)調(diào)用。

make_parser 方法

以下方法創(chuàng)建一個(gè)新的解析器對(duì)象并返回。

xml.sax.make_parser( [parser_list] )

參數(shù)說(shuō)明:

• parser_list - 可選參數(shù)，解析器列表

parser 方法

以下方法創(chuàng)建一個(gè) sax 解析器并解析xml文檔：

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

參數(shù)說(shuō)明:

• xmlfile - xml文件名
• contenthandler - 必須是一個(gè) contenthandler 的對(duì)象
• errorhandler - 如果指定該參數(shù)，errorhandler 必須是一個(gè) sax errorhandler 對(duì)象

parsestring 方法創(chuàng)建一個(gè) xml 解析器并解析 xml 字符串：

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

參數(shù)說(shuō)明:

• xmlstring - xml字符串
• contenthandler - 必須是一個(gè) contenthandler 的對(duì)象
• errorhandler - 如果指定該參數(shù)，errorhandler 必須是一個(gè) sax errorhandler對(duì)象

python 解析xml范例

#!/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 = ""

   # 元素開(kāi)始調(diào)用
   def startelement(self, tag, attributes):
      self.currentdata = tag
      if tag == "movie":
         print ("*****movie*****")
         title = attributes["title"]
         print ("title:", title)

   # 元素結(jié)束調(diào)用
   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 = ""

   # 讀取字符時(shí)調(diào)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__"):
   
   # 創(chuàng)建一個(gè) xmlreader
   parser = xml.sax.make_parser()
   # 關(guān)閉命名空間
   parser.setfeature(xml.sax.handler.feature_namespaces, 0)

   # 重寫(xiě) contexthandler
   handler = moviehandler()
   parser.setcontenthandler( handler )
   
   parser.parse("movies.xml")

以上代碼執(zhí)行結(jié)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

使用xml.dom解析xml

文件對(duì)象模型（document object model，簡(jiǎn)稱dom），是w3c組織推薦的處理可擴(kuò)展置標(biāo)語(yǔ)言的標(biāo)準(zhǔn)編程接口。

一個(gè) dom 的解析器在解析一個(gè) xml 文檔時(shí)，一次性讀取整個(gè)文檔，把文檔中所有元素保存在內(nèi)存中的一個(gè)樹(shù)結(jié)構(gòu)里，之后你可以利用dom 提供的不同的函數(shù)來(lái)讀取或修改文檔的內(nèi)容和結(jié)構(gòu)，也可以把修改過(guò)的內(nèi)容寫(xiě)入xml文件。

python中用xml.dom.minidom來(lái)解析xml文件，范例如下：

#!/usr/bin/python3

from xml.dom.minidom import parse
import xml.dom.minidom

# 使用minidom解析器打開(kāi) xml 文檔
domtree = xml.dom.minidom.parse("movies.xml")
collection = domtree.documentelement
if collection.hasattribute("shelf"):
   print ("root element : %s" % collection.getattribute("shelf"))

# 在集合中獲取所有電影
movies = collection.getelementsbytagname("movie")

# 打印每部電影的詳細(xì)信息
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)

以上程序執(zhí)行結(jié)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