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 |
< | < | less than |
> | > | greater than |
& | & | ampersand |
' | ' | apostrophe |
" | " | 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