XML解析 （python）

XML   XML是可扩展标记语言(eXtenensible Markup Language)(HTML是超级文本语言)   XML被设计用来传输和存储数据（HTML用来显示数据）   XML树结构 （XML的标签是自定义的，HTML标签是规定的）

<?xml version="1.0" encoding="UTF-8"?> #声明

<root> #根元素

<child> #子元素

<subchild>.....</subchild> #子子元素

#<tag attrib>text<tail>

</child>

</root>

python对XML解析   XML编程常用接口有DOM和SAX   python有常用三种方法解析XML SAX,DOM,以及ElementTree   1.SAX(simple API for XML)       python标准库包含SAX解析器，SAX用事件驱动模型，通过解析XML的过程触发一个个事件并调用用户定义函数来处理XML文件。基于事件回调机制。          2.DOM(Document Object Model)       将XML数据在内存解析成一个树，通过对树的操作来操作XML   3.ElementTree(元素树)       轻量级的DOM,更友好的API.可用性更好，速度快，消耗内存少   DOM会把整个XML读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。SAX（优先）是流模式，边读边解析，占用内存小，解析快，缺点是我们需要自己处理事件。   xml解析模块   xml.dom: DOM API    xml.dom.minidom: DOM API的极简化实现   xml.dom.pulldom: 'pull解析器'，从xml流中pull事件，然后处理，与SAX一样采用事件驱动模型，但pull解析器需使用者明确xml流中pull事件，对时间进行遍历处理，直到结束或错误。   xml.sax： SAX API   xml.parser.expat： expat解析器的底层API接口。类似SAX，但只适合expat库。   xml.etree.ElementTree:轻量级、Pythonic的API.（首选）ElementTree(ET)解析XML   ET提供两个对象：       ElementTree将整个文档转化为树（xml文档交互）       Element则代表树上节点（单个xml元素及其子元素）   创建xml示例文件test.xml

<?xml version="1.0" encoding="UTF-8"?>

<students>

<student no="2009081097">

<name>Hongten</name>

<gender>M</gender>

<age>20</age>

<score subject="math">97</score>

<score subject="chinese">90</score>

</student>

</students>

   1.xml解析文件导入

#ET模块导入

>>> import xml.etree.ElementTree as ET

#xml文件导入

>>> tree = ET.parse('/root/test.xml')

   2.解析根元素

#根节点获取

>>> root = tree.getroot()

#根元素解析

>>> root = tree.getroot()

>>> print('root.tag=',root.tag)

root.tag= students

>>> print('root.attrib=',root.attrib)

root.attrib= {}

   3.解析根的儿子

>>> for child in root:

...   print(child.tag)

...   print(child.attrib) #字典

...

student

{'no': '2009081097'}

   4.索引解析根的子孙

>>> print(root[0][0].tag)

name

>>> print(root[0][0].text)

Hongten

>>> print(root[0][4].tag)

score

>>> print(root[0][4].attrib)

{'subject': 'chinese'}

>>> print(root[0][4].text)

90

   5.迭代器遍历解析出指定的元素

>>> for student in root.iter(tag='student'):

...   print(student.attrib)

...

{'no': '2009081097'}

   6.其他解析

# element.findall()解析出指定element的所有儿子

# element.find()解析出指定element的第一个儿子

# element.get()解析出指定element的attrib的key对应值

>>> for student in root.findall('student'):

...   score=student.find('score')

...   print(score.tag,score.attrib,score.text)

...   print(score.get('subject'))

...

score {'subject': 'math'} 97

math

   SAX解析XML   SAX是基于事件驱动的API   SAX解析xml文档分：解析器和事件处理器       解析器：负责读取xml文档并向时间处理器发送事件。       事件处理器：负责对事件做出响应，对传递的xml数据进行处理。           1.大型文件处理；           2.需文件部分内容；           3.想建立自己的对象模型。xml.sax   parser   创建一个SAX解析器并解析xml文档

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

xmlfile xml 文件名

contenthandler 必须是一个ContentHandler的对象

errorhandler 如果指定该参数，errorhandler必须是一个SAX ErrorHandler对象

   make_parser   创建一个新的解析器对象并返回

xml.sax.make_parser( [parser_list] )

parser_list 可选参数，解析器列表

   parseString   创建一个XML解析器并解析xml字符串

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

xmlstring xml字符串

contenthandler 必须是一个ContentHandler的对象

errorhandler 如果指定该参数，errorhandler必须是一个SAX ErrorHandler对象

xml.sax.handler   ContentHandler

characters(content)

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，遇到行结束符之前，存在字符，content的值为这些字符串。

标签可以是开始标签，也可以是结束标签。

startDocument()

文档启动的时候调用。

endDocument()

解析器到达文档结尾时调用。

startElement(name, attrs)

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)

遇到XML结束标签时调用。

      实例文档movies.xml

<collection shelf="New Arrivals">

<movie title="Enemy Behind">

<type>War, Thriller</type>

<year>2003</year>

<description>Talk about a US-Japan war</description>

</movie>

<movie title="Transformers">

<type>Anime, Science Fiction</type>

<year>1989</year>

<description>A schientific fiction</description>

</movie>

</collection>    

      xml解析脚本

#!/usr/bin/env python3

# -*- coding: UTF-8 -*-

import xml.sax

class MovieHandler(xml.sax.ContentHandler):

def __init__(self):

self.CurrentData=''

self.type=''

self.year=''

self.description=''

#元素开始事件处理

def startElement(self,tag,attributes):

self.CurrentData=tag

if tag=='movie':

title=attributes['title']

print('Title:',title)

#元素结束事件处理

def endElement(self,tag):

if self.CurrentData=='type':

print('Type:',self.type)

elif self.CurrentData=='year':

print('Year:',self.year)

elif self.CurrentData=='description':

print('Description:',self.description)

self.CurrentData=''

#内容事件处理

def characters(self,content):

if self.CurrentData=='type':

self.type=content

elif self.CurrentData=='year':

self.year=content

elif self.CurrentData=='description':

self.description=content

if __name__=='__main__':

#重写ContextHandler

Handler=MovieHandler()

#创建一个xmlreader

parser=xml.sax.make_parser()

   #setFeature设置解析器功能xml.sax.handler.feature_namespaces是url路径变量   #没有也能正常解析parser.setFeature(xml.sax.handler.feature_namespaces,0)   #关联sax处理器与ContentHandler实例适合内部的start end 内容事件 方法对应parser.setContentHandler(Handler)

parser.parse('movies.xml')

   结果：

Title: Enemy Behind

Type: War, Thriller

Year: 2003

Description: Talk about a US-Japan war

Title: Transformers

Type: Anime, Science Fiction

Year: 1989

Description: A schientific fiction

学习：http://www.runoob.com/python3/python3-xml-processing.html     http://www.liaoxuefeng.com/