📜  Python -XML处理

📅  最后修改于: 2020-12-23 05:28:41             🧑  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数量的数据而无需基于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显然无法像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文件的开头和结尾调用方法startDocumentendDocument 。方法字符(文本)通过参数文本传递给XML文件的字符数据。

在每个元素的开始和结束处都会调用ContentHandler。如果解析器不在名称空间模式下,则调用方法startElement(tag,attribute)endElement(tag) ;否则,将调用相应的方法startElementNSendElementNS 。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

以下方法创建一个新的解析器对象并将其返回。创建的解析器对象将是系统找到的第一个解析器类型。

xml.sax.make_parser( [parser_list] )

这是参数的详细信息-

  • 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

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])

这是参数的详细信息-

  • 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。

#!/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")

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 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”)是来自万维网联合会(W3C)的一种跨语言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。

这是使用xml.dom模块快速加载XML文档和创建minidom对象的最简单方法。 minidom对象提供了一种简单的解析器方法,该方法可以从XML文件快速创建DOM树。

示例短语调用minidom对象的parse(file [,parser])函数,以将file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

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 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