python之XML解析

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其具备结构性的标记语言。

XML 被设计用来传输和存储数据。XML适用于跟踪中小型数据而无需基于SQL的主干。

Python 对 XML 的解析

常见的 XML 编程接口有 DOM 和 SAX，这两种接口处理 XML 文件的方式不一样，使用场景也不一样。

Python有三种方法解析XML，分别是SAX、DOM和ElementTree：

• SAX：Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，经过在解析 XML 的过程当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。
• DOM：将 XML 数据在内存中解析成一个树，经过对树的操做来操做 XML。
• ElementTree：ElementTree(元素树)就像一个轻量级的DOM，具备方便友好的API。代码可用性好，速度快，消耗内存少。

因DOM须要将XML数据映射到内存中的树，会比较慢和消耗内存，而SAX流式读取XML文件，比较快，占用内存少，但须要用户实现回调函数（handler）。

本章节使用到的 XML 实例文件movies.xml内容以下：

<collection shelf="新品推荐">
<movie title="重返二十岁">
   <type>喜剧，亲情，爱情，奇幻</type>
   <format>DVD</format>
   <year>2014</year>
   <rating>PG</rating>
   <stars>8</stars>
   <description>影片讲述了一位七旬老太太难以想象变身为妙龄女子后，以新身份回到平常生活，引起的一系列哭笑不得的奇幻故事</description>
</movie>
<movie title="流浪地球">
   <type>科幻、灾难、冒险、动做</type>
   <format>DVD</format>
   <year>2019</year>
   <rating>R</rating>
   <stars>10</stars>
   <description>讲述了太阳即将毁灭，已经不适合人类生存，而面对绝境，人类将开启“流浪地球”计划    </description>
</movie>
   <movie title="恶棍天使">
   <type>喜剧,爱情</type>
   <format>DVD</format>
   <year>2015</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>讲述了高智商低情商女学霸查小刀遇到专职替人讨债的恶棍莫非里，俩人在神医折耳根的介绍下互相“治疗”发生的一系列故事</description>
</movie>
<movie title="战狼">
   <type>动做,战争,军事</type>
   <format>VHS</format>
   <year>2015</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>讲述的是小人物成长为拯救国家和民族命运的孤胆英雄的传奇故事</description>
</movie>
</collection>

使用SAX API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。解析器负责读取 XML 文档，并向事件处理器发送事件，如元素开始跟元素结束事件。而事件处理器则负责对事件做出响应，对传递的 XML 数据进行处理。

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：

从行开始，遇到标签以前，存在字符，content 的值为这些字符串。
从一个标签，遇到下一个标签以前， 存在字符，content 的值为这些字符串。
从一个标签，遇到行结束符以前，存在字符，content 的值为这些字符串。
标签能够是开始标签，也能够是结束标签。

• startDocument()方法：文档启动的时候调用。
• 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

make_parser()方法用于建立一个新的解析器对象并返回。建立的解析器对象将是系统找到的第一个解析器类型。

语法以下：

xml.sax.make_parser(parser_list)

parser_list  -- 可选参数，解析器列表

parser方法

parser ()方法用于建立一个 SAX 解析器并解析xml文档。

语法以下：

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

xmlfile -- xml文件名
contenthandler -- 必须是一个ContentHandler对象
errorhandler -- 若是指定该参数，errorhandler必须是一个SAX ErrorHandler对象

parseString方法

parseString()方法建立一个 XML 解析器并解析 xml 字符串。

语法以下：

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

xmlstring -- xml字符串
contenthandler -- 必须是一个ContentHandler的对象
errorhandler -- 若是指定该参数，errorhandler必须是一个SAX ErrorHandler对象

Python 解析XML实例

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("-----电影信息介绍-----")
            title = attributes["title"]
            print("Title:", title)

    # 元素结束调用
    def endElement(self, tag):
        if self.CurrentData == "type":
            print("类型:", self.type)
        elif self.CurrentData == "format":
            print("格式:", self.format)
        elif self.CurrentData == "year":
            print("时间:", self.year)
        elif self.CurrentData == "rating":
            print("评级:", self.rating)
        elif self.CurrentData == "stars":
            print("星星:", self.stars)
        elif self.CurrentData == "description":
            print("描述:", self.description, "\n")
        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__"):
    # 建立一个 XMLReader
    parser = xml.sax.make_parser()
    # 关闭命名空间
    parser.setFeature(xml.sax.handler.feature_namespaces, 0)

    # 重写 ContextHandler
    Handler = MovieHandler()
    parser.setContentHandler(Handler)

    parser.parse("movies.xml")

运行程序后输出结果以下：

-----电影信息介绍-----
Title: 重返二十岁
类型: 喜剧，亲情，爱情，奇幻
格式: DVD
时间: 2014
评级: 7岁以上能够观看
星星: 8
描述: 影片讲述了一位七旬老太太难以想象变身为妙龄女子后，以新身份回到平常生活，引起的一系列哭笑不得的奇幻故事 

-----电影信息介绍-----
Title: 流浪地球
类型: 科幻、灾难、冒险、动做
格式: DVD
时间: 2019
评级: R
星星: 10
描述: 讲述了太阳即将毁灭，已经不适合人类生存，而面对绝境，人类将开启“流浪地球”计划     

-----电影信息介绍-----
Title: 恶棍天使
类型: 喜剧,爱情
格式: DVD
时间: 2015
评级: PG
星星: 10
描述: 讲述了高智商低情商女学霸查小刀遇到专职替人讨债的恶棍莫非里，俩人在神医折耳根的介绍下互相“治疗”发生的一系列故事 

-----电影信息介绍-----
Title: 战狼
类型: 动做,战争,军事
格式: VHS
时间: 2015
评级: PG
星星: 10
描述: 讲述的是小人物成长为拯救国家和民族命运的孤胆英雄的传奇故事

使用DOM API解析XML

文档对象模型是来自W3C的跨语言API，用于访问和修改XML文档。

DOM解析器在解析一个XML文档时，一次性读取整个文档，把文档中全部元素保存在内存中的一个树结构里。以后能够利用DOM 提供的不一样的函数来读取或修改文档的内容和结构，也能够把修改过的内容写入xml文件。

使用xml.dom.minidom来解析xml文件时，minidom对象提供了一种简单的解析器方法，能够从XML文件中快速建立DOM树。

示例：

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("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("根元素 : %s" % collection.getAttribute("shelf"))

# 在集合中获取全部电影
movies = collection.getElementsByTagName("movie")

# 打印每部电影的详细信息
for movie in movies:
   print ("-----电影信息介绍-----")
   if movie.hasAttribute("title"):
      print ("标题: %s" % movie.getAttribute("title"))

   type = movie.getElementsByTagName('type')[0]
   print ("类型: %s" % type.childNodes[0].data)
   format = movie.getElementsByTagName('format')[0]
   print ("格式: %s" % format.childNodes[0].data)
   rating = movie.getElementsByTagName('rating')[0]
   print ("等级: %s" % rating.childNodes[0].data)
   stars = movie.getElementsByTagName('stars')[0]
   print("星星: %s" % stars.childNodes[0].data)
   description = movie.getElementsByTagName('description')[0]
   print ("描述: %s" % description.childNodes[0].data, "\n")

运行程序后输出结果以下：

根元素 : 新品推荐
-----电影信息介绍-----
标题: 重返二十岁
类型: 喜剧，亲情，爱情，奇幻
格式: DVD
等级: PG
星星: 8
描述: 影片讲述了一位七旬老太太难以想象变身为妙龄女子后，以新身份回到平常生活，引起的一系列哭笑不得的奇幻故事 

-----电影信息介绍-----
标题: 流浪地球
类型: 科幻、灾难、冒险、动做
格式: DVD
等级: R
星星: 10
描述: 讲述了太阳即将毁灭，已经不适合人类生存，而面对绝境，人类将开启“流浪地球”计划     

-----电影信息介绍-----
标题: 恶棍天使
类型: 喜剧,爱情
格式: DVD
等级: PG
星星: 10
描述: 讲述了高智商低情商女学霸查小刀遇到专职替人讨债的恶棍莫非里，俩人在神医折耳根的介绍下互相“治疗”发生的一系列故事 

-----电影信息介绍-----
标题: 战狼
类型: 动做,战争,军事
格式: VHS
等级: PG
星星: 10
描述: 讲述的是小人物成长为拯救国家和民族命运的孤胆英雄的传奇故事

参考：https://www.9xkd.com/