XML指可扩展标记语言;标准通用标记语言的子集,是一种用于标记电子文件使具有机构性的标记语言;它用来传输和存储数据
他是一套定义语义标记的规则,这些标记将文档非诚许多部件并对这些部件进行标识;
Python对xml的解析
常见的xml变成接口有DOM和SAX,这两种接口处理xml文件的方式不同,场合不同;python有三种方法解析xml,SAX、DOM和ElementTree
1,SAX(simple API for XML)
python标准库中包含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)
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
一个xml例子,my.ini
<collection shelf="My tag">
<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
利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器,
解析器负责读取xml文档,冰箱事件处理器发送事件,如元素开始跟元素结束事件;事件处理器负责对事件作出相应的处理
1,对大型文件进行处理;2,只需文件的部分内容,或者只需从文件中得到特定信息;3,想建立自己的对象模型时候
在python中使用sax方式处理xml要先引入xml.sax中的parse函数,还有xml.sax.handler中的ContentHandler
ContentHandler类方法介绍
characters(content)方法
调用时机:从行开始,遇到标签之前,存在字符,content的值为这些字符串
从一个标签,遇到下一个标签之前,存在字符,content的值为这些字符串。从一个标签,遇到结束符之前,存在字符,content的值为这些字符串
标签可以是开始标签、结束标签
startDocument()方法:文档开始启动时调用
endDocument()方法:解析器到达文档结尾时调用
startElement(name,attrs)方法:遇到XML开始标签时调用,name是标签的名字,attrs是标签的属性值字典
endElement(name)方法:遇到XML结束标签时调用
make_parser方法
xml.sax.make_parser([parser_list]) :创建一个新的解析器对象并返回
其中parser_list 可选参数,解析器列表
parser方法
xml.sax.parsel(xmlfile,contenthandler[,errorhandler]):创建一个SAX解析器并解析xml文档
其中xmlfile:xml文件名
contenthandler:一个ContentHandler对象
errorhandler:如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象
parseString方法
xml.sax.parseString(xmlstring,contenthandler[,errorhandler]):创建一个XML解析器并解析xml字符串
其中xmlstring:xml字符串
contenthandler:必须是一个contentHandler对象
errorhandler:如果指定该参数errorhandler必须是一个SAX ErrorHandler对象
一个例子,文件a.py
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 = ""
# 元素开始调用
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# 元素结束调用
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 = ""
# 读取字符时调用
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__"):
# 创建一个 XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写 ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("my.xml")
结果
C:\Users\Administrator>python a.py
*****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。com解析xml
文件对象模型(Document Object model,简称DOM)是W3C组织激励推荐的处理可扩展标记语言的标准编程接口。一个DOM的解析器在解析一个XML文档时,一次性读取整个文档,把文档中所有元素保存在内存中的一个树结构,之后可以使用DOM提供不同的函数读取修改文档内容和结构,也可以吧修改过的内容写入xml文件
python中用xml.dom.minidom来解析xml文件
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("my.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("Root element : %s" % collection.getAttribute("shelf"))
# 在集合中获取所有电影
movies = collection.getElementsByTagName("movie")
# 打印每部电影的详细信息
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)
结果
C:\Users\Administrator>python a.py
Root element : My tag
*****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