Python3 XML解析
什麼是XML?
XML 指可擴充標記語言(eXtensible Markup Language),標準通用標記語言的子集,是一種用於標記電子文件使其具有結構性的標記語言。 你可以透過本站學習XML教學
XML 被設計用來傳輸和儲存資料。
XML是一套定義語意標記的規則,這些標記將文件分成許多部件並對這些部件加以標識。
它也是元標記語言,即定義了用於定義其他與特定領域相關的、語義的、結構化的標記語言的句法語言。
python對XML的解析
常見的XML程式介面有DOM和SAX,這兩個介面處理XML檔案的方式不同,當然使用場合也不同。
python有三種方法解析XML,SAX,DOM,以及ElementTree:
1.SAX (simple API for XML )
python 標準函式庫包含SAX解析器,SAX用事件驅動模型,透過在解析XML的過程中觸發一個個的事件並呼叫使用者定義的回呼函數來處理XML檔案。
2.DOM(Document Object Model)
將XML資料在記憶體中解析成一個樹,透過對樹的操作來操作XML。
本章節使用到的XML實例檔案movies.xml內容如下:
<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使用SAX解析xml
#SAX是一種基於事件驅動的API 。
利用SAX解析XML文件牽涉到兩個部分:解析器和事件處理器。
解析器負責讀取XML文件,並向事件處理器發送事件,如元素開始跟元素結束事件;
而事件處理器則負責對事件作出相應,對傳遞的XML資料進行處理。
<psax適合處理下面的問題:< p="">1、對大型檔案處理;
2、只需要文件的部分內容,或只需從文件中得到特定資訊。
3、想建立自己的物件模型的時候。
在python中使用sax方式處理xml要先引入xml.sax中的parse函數,還有xml.sax.handler中的ContentHandler。
ContentHandler類別方法介紹
characters(content)方法
呼叫時機:
從行開始,遇到標籤之前,存在字符,content的值為這些字串。
從一個標籤,遇到下一個標籤之前, 存在字符,content的值為這些字串。
從一個標籤,遇到行結束符之前,存在字符,content的值為這些字串。
標籤可以是開始標籤,也可以是結束標籤。
startDocument()方法
文件啟動的時候呼叫。
endDocument()方法
解析器到達文件結尾時呼叫。
startElement(name, attrs)方法
遇到XML開始標籤時調用,name是標籤的名字,attrs是標籤的屬性值字典。
endElement(name)方法
在遇到XML結束標籤時呼叫。
make_parser方法
以下方法建立一個新的解析器物件並傳回。
xml.sax.make_parser( [parser_list] )
參數說明:
parser_list - 可選參數,解析器清單
parser方法
以下方法建立一個SAX 解析器並解析xml文件:
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
參數說明:
xmlfile - xml檔名
contenthandler - 必須是一個ContentHandler的物件
errorhandler - 如果指定該參數,errorhandler必須是一個SAX ErrorHandler物件
#parseString方法
parseString方法建立一個XML解析器並解析xml字串:
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
參數說明:
xmlstring - xml字串
contenthandler - 必須是一個ContentHandler的物件
errorhandler - 若指定此參數,errorhandler必須是SAX ErrorHandler物件
Python 解析XML實例
#!/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")
以上程式碼執行結果如下:
*****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
完整的SAX API 文件請查閱Python SAX APIs
使用xml.dom解析xml
文件物件模型(Document Object Model,簡稱DOM),是W3C組織建議的處理可擴充置標語言的標準程式介面。
一個DOM 的解析器在解析一個XML 文檔時,一次讀取整個文檔,把文檔中所有元素保存在內存中的一個樹結構裡,之後你可以利用DOM 提供的不同的函數來讀取或修改文件的內容和結構,也可以把修改過的內容寫入xml檔。
python中用xml.dom.minidom來解析xml文件,實例如下:
#!/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)
以上程式執行結果如下:
Root element : New Arrivals *****Movie***** Title: Enemy Behind Type: War, Thriller Format: DVD Rating: PG Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Rating: R Description: A schientific fiction *****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
完整的 DOM API 文件請參考Python DOM APIs。