python2.7入门---XML解析

    首先我们先来考虑，什么是XML？XML 指可扩展标记语言（eXtensible Markup Language）。XML 被设计用来传输和存储数据。XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。它也是元标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。

    了解了上面的内容，我们就来看一下python对XML的解析。常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，当然使用场合也不同。python有三种方法解析XML，SAX，DOM，以及ElementTree。首先就是SAX (simple API for XML )。python 标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。其次是DOM(Document Object Model)。将XML数据在内存中解析成一个树，通过对树的操作来操作XML。最后就是ElementTree(元素树)。ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。在这里要注意下，因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

    XML 实例文件 movies.xml 内容如下：

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thrillertype>
   <format>DVDformat>
   <year>2003year>
   <rating>PGrating>
   <stars>10stars>
   <description>Talk about a US-Japan wardescription>
movie>
<movie title="Transformers">
   <type>Anime, Science Fictiontype>
   <format>DVDformat>
   <year>1989year>
   <rating>Rrating>
   <stars>8stars>
   <description>A schientific fictiondescription>
movie>
   <movie title="Trigun">
   <type>Anime, Actiontype>
   <format>DVDformat>
   <episodes>4episodes>
   <rating>PGrating>
   <stars>10stars>
   <description>Vash the Stampede!description>
movie>
<movie title="Ishtar">
   <type>Comedytype>
   <format>VHSformat>
   <rating>PGrating>
   <stars>2stars>
   <description>Viewable boredomdescription>
movie>
collection>

    现在来看python使用SAX解析xml。SAX是一种基于事件驱动的API。利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器。解析器负责读取XML文档,并向事件处理器发送事件,如元素开始跟元素结束事件。而事件处理器则负责对事件作出相应,对传递的XML数据进行处理。

• 1、对大型文件进行处理；
• 2、只需要文件的部分内容，或者只需从文件中得到特定信息。
• 3、想建立自己的对象模型的时候。

    在python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler。下面来看ContentHandler方法类介绍：首先，characters(content)方法的调用时机为：从行开始，遇到标签之前，存在字符，content的值为这些字符串。还有从一个标签，遇到下一个标签之前， 存在字符，content的值为这些字符串。再来就是从一个标签，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。接下来就是startDocument()方法，在文档启动的时候调用。endDocument()方法在解析器到达文档结尾时调用。startElement(name, attrs)方法在遇到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)方法在遇到XML结束标签时调用。

    上面的了解完毕后，就可以来看make_parser()方法。以下方法创建一个新的解析器对象并返回：

xml.sax.make_parser( [parser_list] )

    参数说明：parser_list - 可选参数，解析器列表

    以下方法创建一个 SAX 解析器并解析xml文档：

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

    参数说明如下：

• 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

    parseString方法创建一个XML解析器并解析xml字符串：

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

    参数说明如下：

• 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

    接下来我们就来看个实例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-

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 = ""
 
   # 元素开始事件处理
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
          print "*****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 == "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 = ""
 
   # 内容事件处理
   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")

    以上代码执行结果如下：

*****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 文档请查阅Python SAX APIs。我们再来使用xml.dom解析xml。文件对象模型（Document Object Model，简称DOM），是W3C组织推荐的处理可扩展置标语言的标准编程接口。一个 DOM 的解析器在解析一个 XML 文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后你可以利用DOM 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入xml文件。python中用xml.dom.minidom来解析xml文件，实例如下：

#!/usr/bin/python
# -*- coding: UTF-8 -*-

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

    以上程序执行结果如下：

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 文档请查阅 Python DOM APIs。好啦，这次就到这里了。如果感觉不错的话，请多多点赞支持哦。。。