zoukankan      html  css  js  c++  java
  • 吴裕雄--天生自然python学习笔记:Python3 XML 解析

    什么是 XML?
    XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。
    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。
    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:
    
    1.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。
    
    2.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。
    
    本章节使用到的 XML 实例文件 movies.xml 内容如下:
    
    <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响应,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。
    
    ContentHandler 类方法介绍
    characters(content) 方法
    
    调用时机:
    
    从行开始,遇到标签之前,存在字符,content 的值为这些字符串。
    
    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。
    
    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。
    
    startDocument() 方法
    
    文档启动的时候调用。
    
    endDocument() 方法
    
    解析器到达文档结尾时调用。
    
    startElement(name, attrs) 方法
    
    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
    
    遇到XML结束标签时调用。
    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
    parser 方法
    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:
    
    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
    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:
    
    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
    Python 解析XML实例
    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()
       # 关闭命名空间
       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
    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:
    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
  • 相关阅读:
    CF1324F Maximum White Subtree(树形dp)
    定时任务集群部署
    zookeeper服务的注册与发现
    多个定时任务服务注册到zookeeper临时顺序节点配置
    nginx反向代理
    nginx反向代理、负载均衡
    Eclipse快捷键
    下拉列表中复选框多选
    Zookeeper节点查看工具
    git打tag
  • 原文地址:https://www.cnblogs.com/tszr/p/12010189.html
Copyright © 2011-2022 走看看