Python3 XML解析

python有3种方法解析XML：SAX,DOM以及ElemenTree

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。

 

movies.xml：

<collection shelf="New Arrivals">
<movie title="Enemy Behind">

<!-- 属性(attribute) -->
   <type>War, Thriller</type><!-- 元素(element) -->
   <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>
</collection>

 

 

 

DOM解析文件：

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")  #minidom.parse加载读取XML文件
collection = DOMTree.documentElement            #doc.documentElement 获取XML文档对象
if collection.hasAttribute("shelf"):
   print ("Root element : %s" % collection.getAttribute("shelf")) #node.getAttribute(AttributeName)    #获取XML节点属性值

# 在集合中获取所有电影
movies = collection.getElementsByTagName("movie") #node.getElementsByTagName(TagName) 获取XML节点对象集合

# 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]# [0]：若存在同名的，用以区分
   print ("Type: %s" % type.childNodes[0].data) # type.childNodes[0]表示type标签下的第一个内容或者子标签
   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)

 

三、常用方法：

minidom.parse(filename)    #加载读取XML文件 

doc.documentElement        #获取XML文档对象 

node.getAttribute(AttributeName)    #获取XML节点属性值 

node.getElementsByTagName(TagName)    #获取XML节点对象集合 

node.childNodes    #返回子节点列表。 

node.childNodes[index].nodeValue    #获取XML节点值 

node.firstChild    #访问第一个节点。等价于pagexml.childNodes[0] 

doc = minidom.parse(filename)

doc.toxml('UTF-8')    #返回Node节点的xml表示的文本 

Node.attributes["id"]    #访问元素属性

a.name    #就是上面的 "id"

a.value    #属性的值

 

 

 

 

sax解析

 

大型文件读取部分

from xml.sax import parse

from xml.sax import ContentHandler

 

class Student:

    def __init__(self,id=None,name=None,age=None,sex=None):

        self.name=name

        self.age=age

        self.sex=sex

        self.id=id

    def __str__(self):

        return self.id+"-"+self.name+"-"+str(self.age)+"-"+self.sex

 

studengt=[]

class saxDamo(ContentHandler):

    def __init__(self):

        self.student=None

        self.tag=None

        self.id=None

    def startDocument(self):

        print("开始--------------")

    def endDocument(self):

        print("结束--------------")

 

 

    def startElement(self, name, attrs): #标签的开始从头开始查询从父标签到子标签

        if name=="student":

            self.id=attrs["id"]

 

            self.student=Student()

        print("前标签，标签名字",name,"attrs---------",attrs)

    def endElement(self, name):

        if name=='stuname':

            self.student.name=self.tag

        if name=='stuage':

            self.student.age=self.tag

        if name=="stusex":

            self.student.sex=self.tag

        if name=="student":

            self.student.id=self.id

            studengt.append(self.student)

        print("后标签name",name)

    def characters(self, content):

        self.tag=content

        print("前中后中内容content**************",content)

parse("Student.xml",saxDamo())

for i in studengt:

print(i)

 

 

在python中使用sax方式处理xml：

先引入xml.sax中的parse函数、xml.sax.handler中的ContentHandler

1、  ContentHandler类方法

2、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

3、startDocument()方法

文档启动的时候调用

4、endDocument()方法：解析器到达文档结尾时调用

5、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

6、endElement(name)方法：遇到XML结束标签时调用

7、make_parser方法：创建一个新的解析器对象并返回xml.sax.make_parser([parser_list])。parser_list————可选参数————解析器列表

8、parser方法：创建SAX解析器并解析xml文档，

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

       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SAXErrorHandler对象 '''