使用python解析xml，主要使用sax的ContentHandler中的标签开始和标签结束的方法驱动，然后在开始（或者结束）事件中决定使用什么处理方法，使用dispatcher来决定并分发到指定方法内处理处理流程如下：
- 初始化的时候创建一个目录list
- 遇到page在当前目录下新建一个html文件，标志接下来的标签是要使用default处理，写到html页面中
- 遇到page内部的标签，使用default处理
- 遇到page结束标签，该html写完，填充结尾标签，关闭流
- 遇到directory标签，往directory的list】中添加下以及目录名称
- 遇到page重复第1,2,3步
- 解析完成
代码如下
#! /usr/bin/env python # -*- coding=utf-8 -*- import os import sys from xml.sax.handler import ContentHandler from xml.sax import parse class Dispatcher: ''' 根据具体的xml标签分发到具体的解析函数解析 ''' def dispatch(self, prefix, name, attrs=None): mname = prefix + name.capitalize() dname = 'default' + prefix.capitalize() method = getattr(self, mname, None) if callable(method): # 如果有该标签的处理方法则使用该方法处理，并初始化需要传递的参数 args = () else: # 如果没有该标签的处理方法，则采用默认的处理方法，将标签内的内容作为正文 method = getattr(self, dname, None) # 默认处理函数需要传递标签名称 args = name, # 如果是调用开始处理函数， 需要传递该标签的属性 if prefix == 'start': args += attrs, if callable(method): method(*args) # 重载父类的startElement方法 def startElement(self, name, attrs): self.dispatch('start', name, attrs) # 重载父类的endElement方法 def endElement(self, name): self.dispatch('end', name) class WebsiteConstructor(Dispatcher, ContentHandler): ''' 分析website.xml构建html网页 ''' # 该标签是否是正文，是否被page包裹，是否需要解析 passthrough = False def __init__(self, directory): self.directory = [directory] self.ensureDirectory() def ensureDirectory(self): path = os.path.join(*self.directory) if not os.path.isdir(path): os.makedirs(path) def characters(self, chars): if self.passthrough: self.out.write(chars) def defaultStart(self, name, attrs): if self.passthrough: self.out.write('<' + name) print '-----' print attrs for key, val in attrs.items(): self.out.write(' %s=%s' % (key, val)) print key,val self.out.write('>') def defaultEnd(self, name): if self.passthrough: self.out.write('</%s>' % name) def startDirectory(self, attrs): self.directory.append(attrs['name']) self.ensureDirectory() def endDirectory(self): self.directory.pop() def startPage(self, attrs): filename = os.path.join(*self.directory + [attrs['name'] + '.html']) self.out = open(filename, 'w') print os.path print filename print self.directory print self.directory + [attrs['name'] + '.html'] self.writeHeader(attrs['title']) self.passthrough = True def endPage(self): self.passthrough = False self.writeFooter() self.out.close() def writeHeader(self, title): self.out.write('<html> <head> <title>') self.out.write(title) self.out.write('</title> </head> <body> ') def writeFooter(self): self.out.write(' </body> </html> ') # 执行程序 parse('website.xml', WebsiteConstructor('public_html'))
参照书中写完代码之后，发现"args += attrs"一直报错，调试的时候发现
TypeError: coercing to Unicode: need string or buffer, instance found
在"+="运算符连边需要的是string或者buffer，实际上是instance，在这条语句里面attrs是AttributesImpl的对象，前面"args = name"将name赋值给args，args是string，所以attrs类型不对，一开始还以为是ContentHandler API改变了（因为该书已经比较早了），在ipython交互命令行中查看帮助文档，发现没有错，折腾调试了挺久，对照书中源码发现有两处少了","，当时已经疯了。。。。。
args = name,
args += attrs,
少了上面两个逗号，内心的崩溃啊，由此可见自己python基本知识还是漏了
args = name # args仅仅是一个对象，并不是元组 args = name, # args是一个元组
一个逗号引发的血案。。。。。
还有就是"+="，该运算符两边类型必须一致，都是字符串（列表，元组）
完整代码