[Python] (Day-22) - XML 解析

All I ever wanted was a single thing worth fighting for. 我想要的不過就是一件讓我奮不顧身的事兒。

XML 指可擴展標記語言（eXtensible Markup Language），標準通用標記語言的子集，是一種用于標記電子文件使其具有結(jié)構(gòu)性的標記語言

XML 被設計用來傳輸和存儲數(shù)據(jù)

XML是一套定義語義標記的規(guī)則，這些標記將文檔分成許多部件并對這些部件加以標識

python有三種方法解析XML，SAX，DOM，以及 ElementTree

1.SAX (simple API for XML )

python 標準庫包含SAX解析器，SAX用事件驅(qū)動模型，通過在解析XML的過程中觸發(fā)一個個的事件并調(diào)用用戶定義的回調(diào)函數(shù)來處理XML文件。

2.DOM(Document Object Model)

將XML數(shù)據(jù)在內(nèi)存中解析成一個樹，通過對樹的操作來操作XML。

3.ElementTree

一個 C 語言實現(xiàn)的可用 API

Element類型是一種靈活的容器對象，用于在內(nèi)存中存儲層次數(shù)據(jù)結(jié)構(gòu)

ElementTree 類可以用來包裹一個element結(jié)構(gòu)，用于與XML進行相互轉(zhuǎn)換

一：使用 SAX 解析 XML

  • SAX是一種基于事件驅(qū)動的API

  • 利用SAX解析XML文檔牽涉到兩個部分:解析器和事件處理器。

  • 解析器負責讀取XML文檔,并向事件處理器發(fā)送事件,如元素開始跟元素結(jié)束事件

  • 事件處理器則負責對事件作出相應,對傳遞的XML數(shù)據(jù)進行處理。

    • 1、對大型文件進行處理；
    • 2、只需要文件的部分內(nèi)容，或者只需從文件中得到特定信息。
    • 3、想建立自己的對象模型的時候。
ContentHandler類方法介紹
  • characters(content)方法

調(diào)用時機：
從行開始，遇到標簽之前，存在字符，content的值為這些字符串。
從一個標簽，遇到下一個標簽之前， 存在字符，content的值為這些字符串。
從一個標簽，遇到行結(jié)束符之前，存在字符，content的值為這些字符串。
標簽可以是開始標簽，也可以是結(jié)束標簽。

  • startDocument()方法

文檔啟動的時候調(diào)用。

  • endDocument()方法

解析器到達文檔結(jié)尾時調(diào)用。

  • startElement(name, attrs)方法

遇到XML開始標簽時調(diào)用，name是標簽的名字，attrs是標簽的屬性值字典。

  • endElement(name)方法
    遇到XML結(jié)束標簽時調(diào)用。
make_parser方法

以下方法創(chuàng)建一個新的解析器對象并返回。

xml.sax.make_parser( [parser_list] )

參數(shù)說明:

  • parser_list - 可選參數(shù)，解析器列表
parser方法

以下方法創(chuàng)建一個 SAX 解析器并解析xml文檔：

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

參數(shù)說明:

  • xmlfile - xml文件名
  • contenthandler - 必須是一個ContentHandler的對象
  • errorhandler - 如果指定該參數(shù)，errorhandler必須是一個SAX ErrorHandler對象
parseString方法

parseString方法創(chuàng)建一個XML解析器并解析xml字符串：

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

參數(shù)說明:

  • xmlstring - xml字符串
  • contenthandler - 必須是一個ContentHandler的對象
  • errorhandler - 如果指定該參數(shù)，errorhandler必須是一個SAX ErrorHandler對象

使用 SAX 解析 XML實例：

XML 文件內(nèi)容, 文件名："movies.xml"

<collection shelf="豆瓣電影Top 250">
<movie title="肖生克的救贖">
   <type>犯罪 劇情</type>
   <year>1994</year>
   <stars>9.6</stars>
   <description>希望讓人自由。</description>
</movie>
<movie title="霸王別姬">
   <type>愛情 同性</type>
   <year>1993</year>
   <stars>9.5</stars>
   <description>風華絕代。</description>
</movie>
<movie title="阿甘正傳">
   <type>劇情 愛情</type>
   <year>1994</year>
   <stars>9.4</stars>
   <description>一部美國近現(xiàn)代史。</description>
</movie>
<movie title="千與千尋">
   <type>動畫 奇幻</type>
   <year>2001</year>
   <stars>9.2</stars>
   <description>最好的宮崎駿，最好的久石讓。</description>
</movie>
<movie title="海上鋼琴師">
   <year>1993</year>
   <type>劇情 音樂</type>
   <stars>9.2</stars>
   <description>每個人都要走一條自己堅定了的路，就算是粉身碎骨。</description>
</movie>
</collection>

實例代碼：

import xml.sax

class MovieHandler(xml.sax.ContentHandler):
    def __init__(self):
        self.type = ""
        self.year = ""
        self.stars = ""
        self.description = ""

    # 元素開始調(diào)用
    def startElement(self, tag, attributes):
        self.CurrentData = tag
        if tag == "movie":
            print("*****Movie*****")
            title = attributes["title"]
            print("Title:", title)

    # 元素結(jié)束調(diào)用
    def endElement(self, tag):
        if self.CurrentData == "type":
            print("Type:", self.type)
        elif self.CurrentData == "year":
            print("Year:", self.year)
        elif self.CurrentData == "stars":
            print("Stars:", self.stars)
        elif self.CurrentData == "description":
            print("Description:", self.description)
        self.CurrentData = ""

    # 讀取字符時調(diào)用
    def characters(self, content):
        if self.CurrentData == "type":
            self.type = content
        elif self.CurrentData == "year":
            self.year = content
        elif self.CurrentData == "stars":
            self.stars = content
        elif self.CurrentData == "description":
            self.description = content


if (__name__ == "__main__"):
    # 創(chuàng)建一個 XMLReader
    parser = xml.sax.make_parser()
    # turn off namepsaces
    parser.setFeature(xml.sax.handler.feature_namespaces, 0)

    # 重寫 ContextHandler
    Handler = MovieHandler()
    parser.setContentHandler(Handler)

    parser.parse("movies.xml")

實例打印結(jié)果：

*****Movie*****
Title: 肖生克的救贖
Type: 犯罪 劇情
Year: 1994
Stars: 9.6
Description: 希望讓人自由。
*****Movie*****
Title: 霸王別姬
Type: 愛情 同性
Year: 1993
Stars: 9.5
Description: 風華絕代。
*****Movie*****
Title: 阿甘正傳
Type: 劇情 愛情
Year: 1994
Stars: 9.4
Description: 一部美國近現(xiàn)代史。
*****Movie*****
Title: 千與千尋
Type: 動畫 奇幻
Year: 2001
Stars: 9.2
Description: 最好的宮崎駿，最好的久石讓。
*****Movie*****
Title: 海上鋼琴師
Year: 1993
Type: 劇情 音樂
Stars: 9.2
Description: 每個人都要走一條自己堅定了的路，就算是粉身碎骨。

二：使用 DOM 解析

文件對象模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴展置標語言的標準編程接口

一個 DOM 的解析器在解析一個 XML
文檔時，一次性讀取整個文檔，把文檔中所有元素保存在內(nèi)存中的一個樹結(jié)構(gòu)里，之后你可以利用DOM提供的不同的函數(shù)來讀取或修改文檔的內(nèi)容和結(jié)構(gòu)，也可以把修改過的內(nèi)容寫入xml文件

實例代碼：

from xml.dom.minidom import parse
import xml.dom.minidom

# 使用minidom解析器打開 XML 文檔
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("Root element : %s" % collection.getAttribute("shelf"))

# 在集合中獲取所有電影
movies = collection.getElementsByTagName("movie")

# 打印每部電影的詳細信息
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)
   year = movie.getElementsByTagName('year')[0]
   print ("Year: %s" % year.childNodes[0].data)
   stars = movie.getElementsByTagName('stars')[0]
   print ("Stars: %s" % stars.childNodes[0].data)
   description = movie.getElementsByTagName('description')[0]
   print ("Description: %s" % description.childNodes[0].data)

實例打印結(jié)果：

Root element : 豆瓣電影Top 250
*****Movie*****
Title: 肖生克的救贖
Type: 犯罪 劇情
Year: 1994
Stars: 9.6
Description: 希望讓人自由。
*****Movie*****
Title: 霸王別姬
Type: 愛情 同性
Year: 1993
Stars: 9.5
Description: 風華絕代。
*****Movie*****
Title: 阿甘正傳
Type: 劇情 愛情
Year: 1994
Stars: 9.4
Description: 一部美國近現(xiàn)代史。
*****Movie*****
Title: 千與千尋
Type: 動畫 奇幻
Year: 2001
Stars: 9.2
Description: 最好的宮崎駿，最好的久石讓。
*****Movie*****
Title: 海上鋼琴師
Type: 劇情 音樂
Year: 1993
Stars: 9.2
Description: 每個人都要走一條自己堅定了的路，就算是粉身碎骨。

三：使用 ElementTree 解析 XML

import xml.etree.ElementTree as ET

tree = ET.parse("movies.xml")
root = tree.getroot()
print(root.tag)

print("-------------")
#遍歷xml文檔
for child in root:
    print(child.tag, child.attrib)
    for i in child:
        print(i.tag,i.text)

print("-------description-------")
#只遍歷description 節(jié)點
for node in root.iter('description'):
    print(node.tag,node.text)

print("-------year-------")
#只遍歷year節(jié)點
for node in root.iter('year'):
    print(node.tag,node.text)

# 修改
for node in root.iter('year'):
    new_year = int(node.text) + 1
    node.text = str(new_year)
    node.set("updated", "yes")

tree.write("xmltest.xml")

print("-------new year------")
#只遍歷year節(jié)點
for node in root.iter('year'):
    print(node.tag,node.text)

# 刪除node
# 修改
for node in root.findall('year'):
    star = int(star.find('year').text)
    if star < 2000:
        root.remove(node)

tree.write('output.xml') # 生成一個過濾后的文件

實例打印結(jié)果：

collection
-------------
movie {'title': '肖生克的救贖'}
type 犯罪 劇情
year 1994
stars 9.6
description 希望讓人自由。
movie {'title': '霸王別姬'}
type 愛情 同性
year 1993
stars 9.5
description 風華絕代。
movie {'title': '阿甘正傳'}
type 劇情 愛情
year 1994
stars 9.4
description 一部美國近現(xiàn)代史。
movie {'title': '千與千尋'}
type 動畫 奇幻
year 2001
stars 9.2
description 最好的宮崎駿，最好的久石讓。
movie {'title': '海上鋼琴師'}
year 1993
type 劇情 音樂
stars 9.2
description 每個人都要走一條自己堅定了的路，就算是粉身碎骨。
-------description-------
description 希望讓人自由。
description 風華絕代。
description 一部美國近現(xiàn)代史。
description 最好的宮崎駿，最好的久石讓。
description 每個人都要走一條自己堅定了的路，就算是粉身碎骨。
-------year-------
year 1994
year 1993
year 1994
year 2001
year 1993
-------new year------
year 1995
year 1994
year 1995
year 2002
year 1994
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容