python实现XML解析的方法解析

2019-11-25 11:25:08

字体：大中小

来源：转载

供稿：网友

这篇文章主要介绍了python实现XML解析的方法解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

三种方法：一是xml.dom.*模块，它是W3C DOM API的实现，若需要处理DOM API则该模块很适合；二是xml.sax.*模块，它是SAX API的实现，这个模块牺牲了便捷性来换取速度和内存占用，SAX是一个基于事件的API，这就意味着它可以“在空中”处理庞大数量的的文档，不用完全加载进内存；三是xml.etree.ElementTree模块（简称 ET），它提供了轻量级的Python式的API，相对于DOM来说ET 快了很多，而且有很多令人愉悦的API可以使用，相对于SAX来说ET的ET.iterparse也提供了 “在空中” 的处理方式，没有必要加载整个文档到内存，ET的性能的平均值和SAX差不多，但是API的效率更高一点而且使用起来很方便。

1、DOM(Document Object Model)

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。

本文使用的示例文件movie.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实现如下

# !/usr/bin/python# -*- coding: UTF-8 -*-from xml.dom.minidom import parseimport xml.dom.minidom# 使用minidom解析器打开 XML 文档DOMTree = xml.dom.minidom.parse("movie.xml")#得到元素对象collection = DOMTree.documentElementif collection.hasAttribute("shelf"):  print("Root element : %s" % collection.getAttribute("shelf"))  #获取标签名  #print(collection.nodeName)# 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)  year=movie.getElementsByTagName("year")  if len(year)>0:    print("Year: %s" % year[0].firstChild.data)    #父节点 parentNode    #print(year[0].parentNode.nodeName)  rating = movie.getElementsByTagName('rating')[0]  print("Rating: %s" % rating.childNodes[0].data)  description = movie.getElementsByTagName('description')[0]  # 显示标签对之间的数据  print("Description: %s" % description.childNodes[0].data)  #print("Description: %s" % description.firstChild.data)

执行结果：

Root element : New Arrivals*****Movie*****Title: Enemy BehindType: War, ThrillerFormat: DVDYear: 2003Rating: PGDescription: Talk about a US-Japan war*****Movie*****Title: TransformersType: Anime, Science FictionFormat: DVDYear: 1989Rating: RDescription: A schientific fiction*****Movie*****Title: TrigunType: Anime, ActionFormat: DVDRating: PGDescription: Vash the Stampede!*****Movie*****Title: IshtarType: ComedyFormat: VHSRating: PGDescription: Viewable boredom

2、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python中，解析xml文件时，会选用ElementTree或者cElementTree，那么两者有什么不同呢？

1、cElementTree速度上要比ElementTree快，比较cElementTree是用c语音写的；

2、debug调试的时候，cElementTree是看不到解析的字段内容的，所以不适合用于调试的情况，而ElementTree可以看到解析的内容，方便调试时取值

3、在用到iter，迭代取某个标签时，cElementTree不能用，因为它没有这个函数，而ElementTree有这个函数；当然可能还有其他函数的差异

所有平时，我们一般这么用，比较速度快吗。调试的时候使用ElementTree。遇到某些特别的函数，只能选择拥有这个函数的使用　　

　　try:
　　　　import xml.etree.cElementTree as ET
　　except:　　
　　　　import xml.etree.ElementTree as ET

从Python3.3开始ElementTree模块会自动寻找可用的C库来加快速度

import xml.etree.ElementTree as ETimport sysimport os.pathdef traverseXml(element):  #print (len(element))  if len(element) > 0:    for child in element:      print("********Movie********")      print("Title：",child.get("title"))      for childchild in child:        print(childchild.tag,"：",childchild.text)      #traverseXml(child)  #else:  #  print (element.tag, "----", element.attrib)def readXml(xmlFile):  try:    tree = ET.parse(xmlFile)    #print("tree type:", type(tree))    # 获得根节点    root = tree.getroot()  except Exception as e: # 捕获除与程序退出sys.exit()相关之外的所有异常    print("parse ***.xml fail!")    sys.exit()  #print("root type:", type(root))  #root.attrib访问root属性,root.tag标签  #print(root.tag, "：", root.attrib)  return rootif __name__ == "__main__":  xmlFilePath = os.path.abspath("movie.xml")  root=readXml(xmlFilePath)  # # 使用下标访问  # print(root[0][0].text)  # print(root[1][2].text)  #根据标签名查找root下的所有标签  # movies=root.findall("movie")  #遍历子标签  # print(len(movies))  # for movie in movies:  #   type=movie.find("type")  #   print(type.text)  # 遍历xml文件  traverseXml(root)

3、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。

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。

#!/usr/bin/python# -*- coding: UTF-8 -*-import xml.saxclass 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 = contentif (__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("movie.xml")

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持武林网。

上一篇：Pandas数据离散化原理及实例解析

下一篇：Python实现自定义读写分离代码实例