Python学习笔记（十七）内建模块之XML和HTMLParser

最新推荐文章于 2025-10-02 06:30:00 发布

原创

最新推荐文章于 2025-10-02 06:30:00 发布 · 1.1k 阅读

0 ·

CC 4.0 BY-SA版权

这篇博客介绍了Python中操作XML的两种方法——DOM和SAX，重点讲述了使用SAX进行XML解析，强调了SAX的内存效率和速度优势。同时，文章也提到了HTMLParser模块在解析HTML时的便利性，指出HTMLParser.feed方法允许分段处理HTML内容。最后，作者预告将转向学习常用的第三方模块。

参考资料：https://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001407499098340324a6232bfee42348849d53c90576747000

1、操作XML有两种方法：DOM和SAX。DOM会把整个XML读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。SAX是流模式，边读边解析，占用内存小，解析快，缺点是我们需要自己处理事件。正常情况下，优先考虑SAX，因为DOM实在太占内存。在Python中使用SAX解析XML非常简洁，通常我们关心的事件是start_element，end_element和char_data，准备好这3个函数，然后就可以解析xml了。下面是我的学习代码：

from xml.parsers.expat import ParserCreate

class mySaxHandler(object):
    def start_element(self, name, attrs):
        print 'sax:start_element %s, attrs %s' % (name, attrs)

    def end_element(self, name):
        print 'sax:end_element %s' % name

    def char_data(self, text):
        print 'sax:char_data %s' % text

def Test():
    handler = mySaxHandler()
    parser = ParserCreate()
    parser.returns_unicode = True
    parser.StartElementHandler = handler.start_element
    parser.EndElementHandler = handler.end_element
    parser.CharacterDataHand