Python与xml之解析篇

# parsexml.py
# 本例子参考自python联机文档，做了适当改动和添加

import xml.parsers.expat

# 控制打印缩进
level = 0

# 获取某节点名称及属性值集合
def start_element(name, attrs):
    global level
    print '  '*level, 'Start element:', name, attrs
    level = level + 1

# 获取某节点结束名称
def end_element(name):
    global level
    level = level - 1
    print '  '*level, 'End element:', name

# 获取某节点中间的值
def char_data(data):
    if(data == '/n'):
        return
    if(data.isspace()):
        return
    global level
    print '  '*level, 'Character data:', data

p = xml.parsers.expat.ParserCreate()

p.StartElementHandler = start_element
p.EndElementHandler = end_element
p.CharacterDataHandler = char_data
p.returns_unicode = False

f = file('sample.xml')
p.ParseFile(f)
f.close()

        测试用例：

xml 代码：sample.xml

xml version="1.0"?>
<contacts id="bluecrystal">
<item name="keen" fff="ddd">
    <telephone type="phone">222222222 telephone>
    <telephone type="mobile">134567890 telephone>
 item>
<item name="bcm">
    <telephone type="phone">11111111 telephone>
    <telephone type="mobile">15909878909 telephone>
 item>
 contacts>

       
        测试结果：

Start element: contacts {'id': 'bluecrystal'}
  Start element: item {'fff': 'ddd', 'name': 'keen'}
    Start element: telephone {'type': 'phone'}
      Character data: 222222222
    End element: telephone
    Start element: telephone {'type': 'mobile'}
      Character data: 134567890
    End element: telephone
  End element: item
  Start element: item {'name': 'bcm'}
    Start element: telephone {'type': 'phone'}
      Character data: 11111111
    End element: telephone
    Start element: telephone {'type': 'mobile'}
      Character data: 15909878909
    End element: telephone
  End element: item
End element: contacts

 

 转贴请注明出处http://blog.csdn.net/porcupinefinal

       网上关于xml文件解析的例子多如牛毛，用python解析的也不少，在百度输入python xml就会出来不少结果。我也是从这些例子和文章中学的，所以会有类似的地方，当然我也会加入自己的一些体会。

       《dive into python》第五章对这一部分有较详尽的讲解，如果你不喜欢看英文的话，可到这个网站：http://www.chinesepython.org/pythonfoundry/limodoupydoc/dive/html/toc.html查阅。

       下边开始我们的xml解析之旅：

       处理xml有两种方法：

FIRST：SAX—Simple API for XML。它的工作方式是，一次读出一点XML，对发现的每个元素调用一个方法。SAX是 XML 语法分析器的公用语法分析器接口。它允许应用程序作者编写使用 XML 语法分析器的应用程序，但是它却独立于所使用的语法分析器。（将它看作 XML 的 JDBC。）（Lars Marius Garshol，SAX for Python）

功能：基本上是一个 XML 文档的顺序处理器。应用程序员将定义一个 handler 类，而不是语法分析器类，该 handler 类能注册到任何所使用的语法分析器中。必须定义 4 个 SAX 接口（每个接口都有几个方法）：DocumentHandler、DTDHandler、EntityResolver 和 ErrorHandler。创建语法分析器除非被覆盖，否则它还连接默认接口。

 

SECOND：DOM—Document Object Model。它的工作方式是，一次读出整个XML文档，通过将本地的Python类链接到一个树型结构中，生成文档的一个内部表示。

 

这篇文章里我主要用的是SAX这种方法（在dive into python一书中用的是DOM这种方式，我将在下一篇文章python与xml之更新篇中用这种方法举例如何增加、更新及删除xml文件中的某个节点。）我之所以选择这种方法是因为关于用DOM来解析xml的文章实在太多，没有什么从新写的必要，网上也有人说用DOM解析较大的xml文件时效率较低的问题（自己没有测试过，有人说是5M的文件要解析20分钟。。。是够慢的），所以我选择了用SAX来解析xml。

 

       示例：（该示例转载自ibm上可爱的python系列）

       import string

import xml.sax

from xml.sax.handler import *

 

classQuotationHandler(ContentHandler):

    """Crude extractor for quotations.dtd compliant XML document"""

    def __init__(self):

        self.in_quote = 0

        self.thisquote = ''

    def startDocument(self):

        print '--- Begin Document ---'

    def startElement(self, name, attrs):

        if name == 'quotation':

            print 'QUOTATION:'

            self.in_quote = 1

        else:

            self.thisquote = self.thisquote + '{'

    def endElement(self, name):

        if name == 'quotation':

            print string.join(string.split(self.thisquote[:230]))+'...',

            print '('+str(len(self.thisquote))+' bytes)/n'

            self.thisquote = ''

            self.in_quote = 0

        else:

            self.thisquote = self.thisquote + '}'

    def characters(self, ch):

        if self.in_quote:

            self.thisquote = self.thisquote + ch

if __name__ == '__main__':

    parser = xml.sax.make_parser()

    handler = QuotationHandler()

    parser.setContentHandler(handler)

    parser.parse("sample.xml")

       要点：

1、  注意黑体加粗部分，首先继承ContentHandler，构造自己的handler；

2、  剩下的startElement、endElement、characters三个接口必须实现，startElement和endElement主要用于解析形如北理的结构，当处理器进入时将in_quote置为1，在characters中将“北理”这个值赋于self.thisquote然后在endElement中可通过self.thisquote获得“北理”这一值；

3、  形如或的解析在startElement中进行，通过attrsattrs.get('id', None)获得“09120016”这一值。（在这个示例里没有，如有不明白的可以发email给我[email protected]）；

4、  parse() 方法处理整个流或字符串，所以不必为语法分析器创建循环；

5、  parse() 同样能灵活地接收一个文件名、一个文件对象，或是众多的类文件对象（一些具有 .read() 方式）

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/porcupinefinal/archive/2006/03/19/629383.aspx

 

///////////////////////////////////////////////////////////
首先：xml文件（tree.xml）内容如下：



山东省
_blank



威海市
_blank




烟台市
_blank



长夼村
_blank

http://www.baidu.com/



富镇
_blank

http://www.baidu.com/




河北省
_blank



泊头市
_blank



郊河
_blank

http://www.baidu.com/



石家庄
_blank






浙江省
_blank



杭州市
_blank



某镇
_blank

http://www.baidu.com/



温州市
_blank



某镇
_blank

http://www.baidu.com/




//////////////////////////////////////////////////////
然后：javascript函数实现：(文件名称：tree.htm）

//////////////////////////////////////////////////////////
运行，要在同一个路径下！