【Python】基础知识（XML）

1 XML概述

1.1 XML简介

【定义】

XML 指可扩展标记语言（eXtensibleMarkupLanguage）。可扩展标记语言（英语：Extensible Markup Language，简称：XML）是一种标记语言，是从标准通用标记语言（SGML）中简化修改出来的。它主要用到的有可扩展标记语言、可扩展样式语言（XSL）、XBRL和XPath等。

【用途】

传输和存储数据。

【特点】

与开发语言的操作系统无关，可跨平台实现操作系统间的通信。

【具象描述】

可扩展标记语言；很像HTML的标记语言；设计宗旨是传输数据，而不是显示数据；XML 标签没有被预定义；可以自定义标签对；被设计为具有自我描述性；W3C 的推荐标准。

1.2 XML语法

XML的一个小例子，可以参考上一节学习的内容。

<?xml version="1.0" encoding="utf-8"?>
<person>
  <name>小明</name>
  <sex>男</sex>
  <age>18</age>
</person>

【声明】（可选择项）

从上面代码中可以看到，一个XML包含一个声明

【标签】

必须有一个关闭标签。简单来说，XML必须有开始标签和结束标签，而且标签对的名称对大小写敏感。

【属性值】

属性值必须使用引号引起来。例如class="red"中red就要使用引号括起来，如下：

<person class="red">
  <name>张三</name>
</person>

【特殊转义符】

转义后	转义前	解释描述
&lt;	<	less than
&gt;	>	greater than
&amp;	&	ampersand
&apos;	'	apostrophe
&quot;	"	quotation mark

【注释】

<!-- 这是一个人对象 -->
<person>
  <name>张三</name>
  <age>18</age>
<person>

2 Python解析XML

> 从上面的学习中，我已经了解什么是XML，下面就开始使用Python来解析XML文件。Python 有三种方法解析 XML，他们是「SAX」「DOM」，以及 「ElementTree」。

2.1 解析XML方式&实验文件

1. SAX (simple API for XML )【流式读取，需自定义回调函数】

Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

2. DOM（Document Object Model）【不建议使用，慢，占用内存】

将 XML 数据在内存中解析成一个树，通过对树的操作来操作XML。

3. ElementTree（元素树）

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

比如，这里是一份xml文件persons.xml

<?xml version="1.0" encoding="utf-8"?>
<persons>
  <person sid="001">
  <name>张小帅</name>
  <sex>男</sex>
  <age>18</age>
  </person>
  <person sid="002">
  <name>刘晓萌</name>
  <sex>女</sex>
  <age>21</age>
  </person>
  <person sid="003">
  <name>王老四</name>
  <sex>男</sex>
  <age>38</age>
  </person>
</persons>

2.2 SAX解析xml

SAX是一种基于事件驱动的 API。利用SAX解析XML文档牵涉到两个部分: 「解析器」和「事件处理器」。

将下面的内容写在一个SaxPersons.py文件中，

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import xml.sax
class PersonHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.name = ""
      self.sex = ""
      self.age = ""
   # 开始元素事件
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "person":
         print ("*****person*****")
         sid = attributes["sid"]
         print ("编号:", sid)
   # 结束元素事件
   def endElement(self, tag):
      if self.CurrentData == "name":
         print ("姓名：", self.name)
      elif self.CurrentData == "sex":
         print ("性别：", self.sex)
      elif self.CurrentData == "age":
         print ("年龄：", self.age )     
      self.CurrentData = ""
   # 元素内容事件处理
   def characters(self, content):
      if self.CurrentData == "name":
         self.name = content
      elif self.CurrentData == "sex":
         self.sex = content
      elif self.CurrentData == "age":
         self.age = content
 
if ( __name__ == "__main__" ):
 
   # 创建一个 XMLReader 对象
   parser = xml.sax.make_parser()
 
   # 打开一个执行空间
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)
   # 重写 ContextHandler 指向我们自定义的执行器``PersonHandler``
   Handler = PersonHandler()
   parser.setContentHandler( Handler )
 
   # 解析转换指定路径上的XML文件
   parser.parse("persons.xml")py

在Python3环境下，执行命令python3 SaxPersons.py解析结果如下：

Aion,Liu $ python3 SaxPersons.py

执行后的结果如下：

*****person*****

编号: 001

姓名： 张小帅

性别： 男

年龄： 18

*****person*****

编号: 002

姓名： 刘晓萌

性别： 女

年龄： 21

*****person*****

编号: 003

姓名： 王老四

性别： 男

年龄： 38

🔑 Python官方提供了针对SAX2的解析支持：​​https://docs.python.org/3/library/xml.sax.html​​

2.3 DOM（xml.dom）解析xml

python中用xml.dom.minidom来解析xml文件。

下面，我们使用persons.xml作为实验对象，来解析xml。下面是我们的python文件DomPersons.py。

「实验脚本」

#!/usr/bin/python
# -*- coding: UTF-8 -*-
from xml.dom.minidom import parse
import xml.dom.minidom
# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse("persons.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("根元素 : %s" % collection.getAttribute("shelf"))
# 在集合中获取所有同学
persons = collection.getElementsByTagName("person")
 # 遍历同学信息
for person in persons:
   print ("*****person*****")
   if person.hasAttribute("sid"):
      print ("编号: %s" % person.getAttribute("sid"))
   name = person.getElementsByTagName('name')[0]
   print ("姓名: %s" % name.childNodes[0].data)
 
   sex = person.getElementsByTagName('sex')[0]
   print ("性别: %s" % sex.childNodes[0].data)
 
   age = person.getElementsByTagName('age')[0]
   print ("年龄: %s" % age.childNodes[0].data)

在Python3环境下，执行python3 DomPersons.py解析结果如下：

「执行脚本」

Aion.Liu $ python3 DomPersons.py

「输出内容」

*****person*****

编号: 001

姓名: 张小帅

性别: 男

年龄: 18

*****person*****

编号: 002

姓名: 刘晓萌

性别: 女

年龄: 21

*****person*****

编号: 003

姓名: 王老四

性别: 男

年龄: 38

🔑 Python官方提供解析支持：​​https://docs.python.org/3/library/xml.dom.html​​

2.4 ElementTree解析xml

警告：该xml.etree.ElementTree模块对恶意构建的数据不安全。如果您需要解析不受信任或未经身份验证的数据，请参阅[XML 漏洞]，地址为​​https://docs.python.org/release/3.9.9/library/xml.html#xml-vulnerabilities​​。

当然，我们还是使用上面的persons.xml文件来作为我们的实验对象。下面是我们的python文件ElePersons.py。

#!/usr/bin/python
# -*- coding: UTF-8 -*-
import xml.etree.ElementTree as ET
# 导入文件到python对象，也可以一步到位，直接使用``persons = ET.fromstring(country_data_as_string) ``，这个代码同下面两行等价
tree = ET.parse('persons.xml')
persons = tree.getroot()
# 迭代子节点 
for index, person in enumerate(persons):
    print ("第%s个%s同学，编号：%s" % (index, person.tag, person.attrib))
    # 子节点是嵌套的，使用索引来获取
    for i, p in enumerate(person):
        print ("标签名称：%s，标签内容：%s" % (p.tag, p.text))

在Python3环境下，执行python3 ElePersons.py解析结果如下：

「执行脚本」

Aion.Liu $ python3 ElePersons.py

「输出内容」

第0个person同学，编号：{'sid': '001'}

标签名称：name，标签内容：张小帅

标签名称：sex，标签内容：男

标签名称：age，标签内容：18

第1个person同学，编号：{'sid': '002'}

标签名称：name，标签内容：刘晓萌

标签名称：sex，标签内容：女

标签名称：age，标签内容：21

第2个person同学，编号：{'sid': '003'}

标签名称：name，标签内容：王老四

标签名称：sex，标签内容：男

标签名称：age，标签内容：38

2.5 ElementTree 详细解析

「🛎语法格式」

xml.etree.ElementTree.Element(tag, attrib={}, **extra)

「🩸 属性tag」

一个字符串，用于标识此元素表示的数据类型（简单说就是元素类型）。例如在我们上面的解析过程中，我们使用persons获取对象后，获取他的标签对是persons。

>>> import xml.etree.ElementTree as ET
>>> persons = ET.parse('persons.xml').getroot()
>>> print (persons.tag)
persons

在嵌套的对象中，我们使用迭代元素之后，可以循环遍历这个对象的标签，如下所示，其中使用了Python中的内置函数enumerate，该函数用于将一个可遍历的数据对象（如列表、元组或字符串）组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中：

「执行脚本」

>>> for index, person in enumerate(persons):
...     print (person.tag)
...
person
person
person

🔑 关于Python内置函数，可以参考官方提供文档：​​https://docs.python.org/release/3.10.4/library/functions.html​​

「🩸 属性attrib」

元素属性的字典。下面获取每个同学的属性，学籍编号，如下面所示：

>>> for index, person in enumerate(persons):
...     print (person.attrib)
...
{'sid': '001'}
{'sid': '002'}
{'sid': '003'}

「🩸 属性text」

标签对的内容。从下面的代码中，可以看到。text是针对标签对的内容或值。

>>> for index, person in enumerate(persons):
...     for pi, p in enumerate(person):
...         print (p.tag)
...         print (p.text)
...         print ("------------")
...

「输出内容」

name

张小帅

------------

sex

男

------------

age

18

------------

name

刘晓萌

------------

sex

女

------------

age

21

------------

name

王老四

------------

sex

男

------------

age

38

------------

「🤔 思考」

如果我想要打印出来persons这个对象的text内容，将会是什么呢，有兴趣的可以尝试下？

🔑 Python官方提供解析支持：​​https://docs.python.org/release/3.9.9/library/xml.etree.elementtree.html#module-xml.etree.ElementTree​​