Penghuraian XML Python3


Apakah itu XML?

XML merujuk kepada bahasa penanda boleh dikembangkan (eXtegang Markup Lbahasa), subset bahasa penanda universal A bahasa yang digunakan untuk menandakan dokumen elektronik untuk memberi mereka struktur berstruktur. Anda boleh mempelajari tutorial XML melalui tapak ini

XML direka untuk menghantar dan menyimpan data.

XML ialah satu set peraturan yang mentakrifkan penanda semantik yang membahagikan dokumen kepada komponen dan mengenal pasti komponen tersebut.

Ia juga merupakan bahasa meta-markup, iaitu, ia mentakrifkan bahasa sintaksis untuk mentakrifkan bahasa penanda semantik dan berstruktur lain yang berkaitan dengan medan tertentu.

Penghuraian XML oleh Python

Antara muka pengaturcaraan XML biasa termasuk DOM dan SAX kedua-dua antara muka ini memproses fail XML dengan cara yang berbeza, dan sudah tentu senario penggunaannya juga berbeza.

Python mempunyai tiga kaedah untuk menghuraikan XML, SAX, DOM dan ElementTree:

1.SAX (API mudah untuk XML)

Pustaka standard Python mengandungi penghurai SAX, SAX Menggunakan model dipacu peristiwa, fail XML diproses dengan mencetuskan peristiwa satu demi satu dan memanggil fungsi panggil balik yang ditentukan pengguna semasa proses menghuraikan XML.

2.DOM (Model Objek Dokumen)

Menghuraikan data XML ke dalam pepohon dalam ingatan dan mengendalikan XML dengan beroperasi pada pepohon.

Kandungan fail contoh XML movies.xml yang digunakan dalam bab ini adalah seperti berikut: 

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
</movie>
   <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 menggunakan SAX untuk menghuraikan xml

SAX ialah acara API yang dipacu.

Menggunakan SAX untuk menghuraikan dokumen XML melibatkan dua bahagian: penghurai dan pengendali acara.

Penghuraikan bertanggungjawab untuk membaca dokumen XML dan menghantar acara kepada pemproses acara, seperti acara permulaan dan penamat elemen

Pemproses acara bertanggungjawab untuk bertindak balas kepada acara dan lulus data XML diproses.

<psax sesuai untuk menangani masalah berikut: < p="">

  • 1 2. Hanya sebahagian daripada kandungan fail diperlukan, atau hanya maklumat khusus diperlukan daripada fail.

  • 3. Apabila anda ingin membina model objek anda sendiri.

  • Untuk menggunakan sax untuk memproses xml dalam python, anda mesti memperkenalkan fungsi parse dalam xml.sax dan ContentHandler dalam xml.sax.handler terlebih dahulu.

    • Pengenalan kaedah kelas ContentHandler

kaedah aksara(kandungan)

Masa panggilan: Mulakan dari talian, sebelum menemui label , terdapat aksara, dan nilai kandungan adalah rentetan ini.

Dari satu teg, terdapat aksara sebelum menemui teg seterusnya dan nilai kandungan ialah rentetan ini.

Daripada teg, terdapat aksara sebelum menemui penamat baris, dan nilai kandungan ialah rentetan ini. Teg

boleh menjadi teg permulaan atau teg akhir.

kaedah startDocument()

dipanggil apabila dokumen dimulakan.

endDocument() kaedah

dipanggil apabila penghurai mencapai penghujung dokumen.

kaedah startElement(name, attrs)

dipanggil apabila teg permulaan XML ditemui ialah nama teg dan attrs ialah kamus nilai atribut daripada tag.

kaedah endElement(name)

dipanggil apabila teg hujung XML ditemui.

kaedah make_parser

Kaedah berikut mencipta objek penghurai baharu dan mengembalikannya. 

xml.sax.make_parser( [parser_list] )

Perihalan parameter:

  • senarai_penghuraikan - Parameter pilihan, senarai penghurai

kaedah penghurai

Kaedah berikut mencipta penghurai SAX dan menghuraikan dokumen xml: parameter

rreee

Penerangan:

  • xmlfile - xml nama fail

  • contenthandler - Mestilah objek ContentHandler

  • errorhandler - Jika parameter ini ditentukan, errorhandler mestilah objek SAX ErrorHandler

kaedah parseString

kaedah parseString mencipta penghurai XML dan menghuraikan rentetan xml: 

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

Penerangan parameter:

  • xmlstring - rentetan xml

  • contenthandler - Mestilah objek ContentHandler

  • errorhandler - Jika parameter ini ditentukan, errorhandler mestilah objek SAX ErrorHandler

Python parsing XML instance 

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

Hasil pelaksanaan kod di atas adalah seperti berikut: 

#!/usr/bin/python3

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("movies.xml")

Untuk dokumentasi API SAX yang lengkap, sila rujuk API Python SAX

Gunakan xml.dom untuk menghuraikan xml

Model Objek Dokumen (DOM), iaitu pemprosesan yang disyorkan oleh organisasi W3C Antara muka pengaturcaraan standard untuk bahasa penanda boleh diperluaskan.

Apabila penghurai DOM menghuraikan dokumen XML, ia membaca keseluruhan dokumen sekaligus dan menyimpan semua elemen dalam dokumen dalam struktur pepohon dalam ingatan Selepas itu, anda boleh menggunakan fungsi berbeza yang disediakan oleh DOM . Untuk membaca atau mengubah suai kandungan dan struktur dokumen, anda juga boleh menulis kandungan yang diubah suai ke dalam fail xml.

xml.dom.minidom digunakan dalam python untuk menghuraikan fail xml Contohnya adalah seperti berikut: 

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****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

Hasil pelaksanaan program di atas adalah seperti berikut: 

#!/usr/bin/python3

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 ("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)

Untuk dokumentasi API DOM yang lengkap, sila rujuk API DOM Python.