深入解读Python 解析xml的几种方式

引用
深入解读Python解析xml的几种方式

一，概述

在XML解析方面，Python贯彻了自己开箱即用batteries included的原则，
在自带的标准库中，python提供了大量可以用于处理XML语言的包和工具

二，正文

1,什么是XML?

XML是可扩展标志语言(extensible markup language)的缩写，其中的标记markup 是关键部分
可以创建内容，然后使用限定标记标记之，从而使得每个单词，短语，或块称为可识别，可分类的信息

标记语言从早期的私有公司和政府制定形式逐渐演变成
标准通用标记语言 standard generalized markup language , SGML
超文本标记语言 Hypertext markup language ，HTML
最终演变成XML,
XML有下面的特点：
设计宗旨是传输数据，而非显示数据
标签没有被预定义，需要自定定义标签
设计为具有自我描述性
是W3C的推荐标准

XML在web中起到的作用不会亚于一直作为web基石的HTML,
是各种应用程序之间进行数据传输的最常用的工具，
并且在信息存储和描述领域变得越来越流行

---

2，可以解析XML的python 包？

2.1 xml.dom

xml.dom实现的是w3c指定的dom API，　如果习惯于使用DOM API或者有人要求这样做，可以使用
这个包，这个包中还有几个不同的模块，各自的性能有所区别
DOM解析器在任何处理开始之前，必须将基于XML文件生成的树状数据放在内存中，所以
DOM解析器的内存使用量完全根据输入资料的大小

2.2 xml.dom.minidom

xml.dom.minidom 是DOM API的极简化实现，不熟悉DOM的人，可以考虑使用xml.etree.ElementTree模块，但是这个模块使用起来不方便，效率也不高，而且容易出现问题

2.3 xml.dom.pulldom

与其他模块不同, xml.dom.pulldom模块提供了一个pull解析器，背后的基本概念是从xml流中pull事件，
然后进行处理，虽然和SAX一样采用事件驱动模型 event-driven processing model，但是不同的是，
使用pull 解析器时候，使用者需要明确地从XML流中pull事件，对这些事件遍历处理，直到处理完成或者出现错误

pull解析(pull parsing)是近来兴起的一种XML处理趋势，此前SAX和DOM这些流行的XML解析框架，都是 push-based, 即对解析工作的控制权，掌握在解析器中

2.4 xml.sax

xml.sax模块实现的是SAX API，　这个模块牺牲了便捷性换取速度和内存占用，
SAX是simple API for XML的缩写，并不是由W3C官方提出的标准，它是事件驱动的，
并不需要一次性读入整个文档，而文档的读入过程也就是SAX的解析过程
所谓事件驱动，是指一种基于回调callback机制的程序运行方法

2.5 xml.parser.expat

xml.parser.expat 提供了对C语言编写的expat解析器的一个直接的，底层的API接口，
expat 接口和SAX类似，也是基于事件回调机制，但是这个接口并不是标准化的，只适用于expat库
expat是一个面向流的解析器，注册的解析器回调或者handler功能，
然后开始搜索它的文档，当解析器识别该文件的指定位置，它会调用该部分相应的处理程序（如果已经注册了一个），该文件会被输送到解析器，被分割成多个片段，分段装到内存中，
因此，expat可以解析巨大的文件

2.6 xml.etree.ElementTree(简称ET)

xml.etree.ElementTree模块提供了一个轻量级, pythonic的API，同时还有一个高效的C语言实现
即xml.etree.cElementTree, 与DOM相比，ET的速度更快，API使用更加直接，方便
与SAX相比，ET.iterparse函数同样提供了按需解析的功能，不会一次性在内存中读入整个文档
ET的性能与SAX模块大致相仿，但是它的API更加高层次，用户使用起来更加便捷

在使用python 进行xml解析时候，首选ET模块

---

3，如何利用ET解析XML?

python 标准库中，提供了ET的两种实现，一个是纯Python 实现的xml.etree.ElementTree
另一个是速度更快的Ｃ语言实现的xml.etree.cElementTree
记住始终使用C语言实现，因为它的速度更加快，且内存消耗更少
导入模块

注意：Python3.3之后，ElementTree模块会自动优先使用Ｃ加速器，因此只需要使用
import xml.etree.ElementTree即可

3.1 将XML文档解析为书　tree

XML是一种结构化，层级化的数据格式，最适合体现XML的数据结构是树
ET提供了两个对象，ElementTree将整个XML文档转化为树，Element则代表着树上的单个节点
对整个XML文档的交互（读取，写入，查找需要的元素）,一般是在ElementTree层面进行的
对单个XML元素和其子元素，则是在Element层面进行的