Python3中 XML 解析的学习

       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。

       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。 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>

使用 SAX 解析 xml

       SAX 是一种基于事件驱动的API。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。

       事件处理器：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

序号	方法	描述
1	characters(content)	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。
2	startDocument()	文档启动的时候调用。
3	endDocument()	解析器到达文档结尾时调用。
4	startElement(name, attrs)	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。
5	endElement(name)	遇到XML结束标签时调用。
6	make_parser()	创建一个新的解析器对象并返回。()内可选参数，解析器列表。
7	parse( xmlfile, contenthandler[, errorhandler])	创建一个 SAX 解析器并解析xml文档。 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
8	parseString(xmlstring, contenthandler[, errorhandler])	创建一个 XML 解析器并解析 xml 字符串。 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

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，示例如下：

#!/usr/bin/python3

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)