Python XML解析和處理

XML是一種便攜式的開源語言,允許程序員開發可由其他應用程序讀取的應用程序,而不管操作系統和/或開發語言是什麼。

1.什麼是XML?

可擴展標記語言(XML)是一種非常像HTML或SGML的標記語言。 這是由萬維網聯盟推薦的,可以作爲開放標準。

XML對於存儲小到中等數量的數據非常有用,而不需要使用SQL。

2.XML解析器體系結構和API

Python標準庫提供了一組極少使用但有用的接口來處理XML。兩個最基本和最廣泛使用在XML數據的API是SAX和DOM接口。

  • 簡單XML API(SAX) - 在這裏,註冊感興趣的事件回調,然後讓解析器繼續執行文檔。 當文檔較大或存在內存限制時,此功能非常有用,它會從文件讀取文件時解析文件,並且整個文件不會存儲在內存中。

  • 文檔對象模型(DOM)API - 這是一個萬維網聯盟的推薦,它將整個文件讀入存儲器並以分層(基於樹)的形式存儲,以表示XML文檔的所有功能。

當處理大文件時,SAX顯然無法與DOM一樣快地處理信息。 另一方面,使用DOM專門可以真正地佔用資源,特別是如果要加許多文件使用的時候。

SAX是隻讀的,而DOM允許更改XML文件。由於這兩種不同的API相輔相成,在大型項目中一般根據需要使用它們。

對於我們所有的XML代碼示例,使用一個簡單的XML文件:movies.xml作爲輸入 -

<collection shelf = "New Arrivals">
<movie title = "Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2013</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>

3.使用SAX API解析XML

SAX是事件驅動的XML解析的標準接口。 使用SAX解析XML通常需要通過子類化xml.sax.ContentHandler來創建自己的ContentHandler
ContentHandler處理XML樣式/風格的特定標籤和屬性。 ContentHandler對象提供了處理各種解析事件的方法。它擁有的解析器在解析XML文件時調用ContentHandler方法。
在XML文件的開頭和結尾分別調用:startDocumentendDocument方法。 characters(text)方法通過參數text傳遞XML文件的字符數據。

ContentHandler在每個元素的開頭和結尾被調用。如果解析器不在命名空間模式下,則調用startElement(tag,attributes)endElement(tag)方法; 否則,調用相應的方法startElementNSendElementNS方法。 這裏,tag是元素標籤,屬性是Attributes對象。

以下是繼續前面瞭解的其他重要方法 -

make_parser()方法

以下方法創建一個新的解析器對象並返回它。創建的解析器對象將是系統查找的第一個解析器類型。

xml.sax.make_parser( [parser_list] )

以下是參數的詳細信息 -

  • parser_list - 可選參數,由使用哪個解析器的列表組成,必須全部實現make_parser方法。

parse()方法

以下方法創建一個SAX解析器並使用它來解析文檔。

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

以下是參數的詳細信息 -

  • xmlfile - 這是要讀取的XML文件的名稱。
  • contenthandler - 這必須是ContentHandler對象。
  • errorhandler - 如果指定,errorhandler必須是SAX ErrorHandler

parseString方法

還有一種方法來創建SAX解析器並解析指定的XML字符串。

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

以下是參數的詳細信息 -

  • xmlstring - 這是要讀取的XML字符串的名稱。
  • contenthandler - 這必須是ContentHandler對象。
  • errorhandler - 如果指定,errorhandler必須是SAX ErrorHandler對象。

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 = ""

   # 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")

這將產生以下結果 -

*****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 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

有關SAX API文檔的完整詳細信息,請參閱標準Python SAX API

使用DOM API解析XML

文檔對象模型(「DOM」)是來自萬維網聯盟(W3C)的跨語言API,用於訪問和修改XML文檔。

DOM對於隨機訪問應用非常有用。SAX只允許您一次查看文檔的一部分。如果想要查看一個SAX元素,則無法訪問另一個。

以下是快速加載XML文檔並使用xml.dom模塊創建minidom對象的最簡單方法。 minidom對象提供了一個簡單的解析器方法,可以從XML文件快速創建一個DOM樹。

示例調用minidom對象的parse(file [,parser])函數來解析由文件指定爲DOM樹對象的XML文件。

示例

#!/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)

這將產生以下結果 -

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 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

有關DOM API文檔的完整詳細信息,請參閱標準Python DOM API