Python XML解析详解-优快云博客

本文链接：https://blog.youkuaiyun.com/manmanoy/article/details/80963281

本文介绍了XML的基本概念，如根节点、DTD约束以及三种解析XML的方式：DOM、SAX和ElementTree。DOM将整个XML加载到内存，SAX事件驱动、按需解析，ElementTree则提供快速轻量级的解析。通过示例展示了各解析方法的使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

xml：
可扩展标记语言。标签形式展现，标签内名字可随意定义，属于HTML的一种，用于配置文件，可以用浏览器打开查看
根节点只能有一个开始和结束子节点可带属性
1.标签成对出现
2.区分大小写
3.标签要正确嵌套
4.开始部分<?xml version="1.0" encoding="utf-8"?>
5.只能有一个根节点
6.节点可以有属性
DTD：
(Document（文档） Type（类型） Definition（文件）)规定怎样去写约束XML的节点
<!DOCTYPE （根节点）[
<！ELEMENT 根节点(子节点+)>——元素 +至少出现一次或多次
<！ELEMENT 子节点(子节点属性1,2,3)>
<！ELEMENT 子节点1(#PCDATA)>
<！ELEMENT 子节点2(#PCDATA)>
<！ELEMENT 子节点3(#PCDATA)>——纯文本
<!ATTLISI 子节点属性 CDATA #REQUIRED>——属性列表，哪个节点可以有属性，属性值是纯文本 #必须要有的
]>
示例：
<!DOCTYPE books [
<!ELEMENT books (book+)>
<!ELEMENT book (bname,price,author)>
<!ELEMENT bname (#PCDATA)>
<!ELEMENT price (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ATTLIST book id CDATA #REQUIRED>
]>
#REQUIRED(必需的), #IMPLIED(不是必需的), #FIXED(属性值是固定的)
点右键validate可以查看有没有错误
可以查DTD文档有具体的属性使用方法

解析：
三种方式解析
1.dom(文档对象模型) :把解析的xml整个加载到内存，组织成object树。
w3cDom dom4j
dom解析案例：
要导入模块： parse解析
form xml.dom.minidom import parse
（先从根节点进行解析，然后子节点，子节点元素）
自定义文档名=parse(“文件名.xml“ /如果同一个文件下)——得到整个XML文档
自定义名称1=文档名.documentElement——得到根节点
自定义列表名=自定义名称2.getElenmentsByTagName(“根节点名称”)——得到子节点属性，
可以循环列表名得到多个子节点中属性的所有元素
for i in 列表名称：
名称1=i.getElementByTagName(“子节点元素名称”)[0].childNodes[0].data ——得到节点内属性元素
#得到子节点第一个元素下到子节点结束的中间的第一个元素
名称2=i.getElementByTagName(“子节点元素名称”)[0].childNodes[0].data ——得到节点内属性元素
#得到子节点第一个元素下到子节点结束的中间的第一个元素
属性=i.getAttribute("id") ——得到ID属性值

示例：

from xml.dom.minidom import parse
#用类对象的形式获取 并添加到新的列表中
wenjian=parse('xml1.xml')
print(wenjian)
r=wenjian.documentElement
print(r)
s=r.getElementsByTagName("book")

class lei:
    def __init__(self,name,age,sex):
        self.name=name
        self.age=age
        self.sex=sex
    def __repr__(self):
         return self.name+"\t"+self.age+"\t"+self.sex+"\t"
list=[]
for i in s:
    a=i.getElementsByTagName("bname")[0]
    b=i.getElementsByTagName("price")[0]
    c=i.getElementsByTagName("author")[0]
    aa=a.childNodes[0].data
    bb=b.childNodes[0].data
    cc=c.childNodes[0].data
    lei1=lei(aa,bb,cc)
    list.append(lei1)
print(list)

查看：可以直接输出
存储：可以以集合字典的形式存储

2.sax：事件驱动式解析，只解析需要的,不会在内存中加载整个文档，只会根据自己编写的事件保存数据。
sax 解析需要继承ContentHandler并重写其中的方法，ContentHandler类中常用方法如下
导入模块：from xml.sax import ContentHandler, parse

方法参数作用（5个固定方法默认自动执行）
1 startDocument（self ） # 文档启动时调用
2 startElement（self.name，attrs）name:元素名称,attrs:元素属性 #开始标签< 调用
3 charactersself（self,content）content ：文本内容 #遇到行首、空格、字符时调用
4 endElement（self,name）元素名称 # 结束标签</ 时调用
5 endDocument（self ）# 解析器到达文档结尾时调用

sax 模块常用方法：
make_parser() 创建一个新的解析器对象并返回
parse() 创建一个 SAX 解析器并解析xml文档
parseString() 创建一个XML解析器并解析xml字符串

示例：

from xml.sax import ContentHandler, parse

class lei:
    def __init__(self,name=0,age=0,sex=0):
        self.name=name
        self.age=age
        self.sex=sex

    def __repr__(self):
         return self.name+"\t"+self.age+"\t"+self.sex+"\t"+self.name1
list=[]
class sex(ContentHandler):
    lei1=lei()
    lei2=lei()
    def startDocument(self):  #开始方法
        print("解析开始 ")
                         #标签名 整个标签里的元素
    def startElement(self, name, attrs): #开始标签< 调用
        self.name=name
        if name=="book":
            self.lei1.name1=(attrs["id"])
                        #获取字符元素
    def characters(self, content): #遇到行首、空格、字符时调用
        if self.name=="bname":
            self.lei1.name=content
        elif self.name=="price" :
            self.lei1.age=content
        elif self.name=="author" :
            self.lei1.sex=content
        else:
            pass

    def endElement(self, name):#结束标签</ 时调用
        if name=="book":
            list.append(self.lei1)
        self.name=0
    def endDocument(self): #结束方法
        print("解析结束")

sex1=sex() #解析器实例对象
parse("xml1.xml",sex1)
#执行解析 要解析的文件，解析器实例对象
print(list)

3.elementTree解析：
ElementTree 在 Python 中有两种实现：
1 纯 Python 实现：导入xml.etree.ElementTree
2 C 语言实现：导入xml.etree.cElementTree
建议使用 C 语言实现的 ElementTree，因为它速度更快，占用内存更少
（在程序中导入模块时如果C语言实现的不能使用，再使用纯Python实现的）
导入模块：import xml.etree.cElementTree as ce（重命名）

ElementTree 中常用方法：
方法作用
parse(xmlfile) 加载xml文件
fromstring(xmltext) 加载xml文件
findall() 获取指定的所有节点
find() 获取指定的节点
getchildren() 获取儿子节点
getiterator() 获取指定的所有节点，与findall()类似

属性作用
attrib 获取节点的属性及属性值（以元祖的形式返回）
tag 获取节点名称
text 获取节点的文本值

示例：

import xml.etree.cElementTree as ce
a=ce.parse("xml1.xml")#导入根节点
b=a.findall("book")#得到子节点——列表
list=[]
class lei:
    def __init__(self,name=0,age=0,sex=0):
        self.name=name
        self.age=age
        self.sex=sex

    def __repr__(self):
         return self.name+"\t"+self.age+"\t"+self.sex+"\t"
for i in b:
    lei1=lei()
    b1=i.getchildren()#得到每一次项子节点——列表
    lei1.name=b1[0].text#得到列表元素
    lei1.age=b1[1].text
    lei1.sex=b1[2].text
    list.append(lei1)
print(list)

python XML解析