python3.6-XML解析方法

XML是什么？做什么用？

XML指可扩展标记语言（eXtensible Markup Language），XML被设计用来传输和存储数据，虽然现在用来与服务端交互更多情况下使用的都是Json格式的数据，但是XML格式还是有着广泛的应用。

Python中提供的XML解析方式：

方法	特点
SAX	SAX解析通过流模式在解析XML的过程中触发对应的事件（start_element、char_data、end_element）并调用用户定义的回调函数来处理XML文件。
DOM	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，占用内存大，解析速度较慢，优点是可以任意遍历树的节点。
ElementTree	类似一个轻量级的DOM，也是本篇文章主要介绍的。

准备一份XML格式的文件：

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank>1</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank>4</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank>68</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>

XML文件格式介绍：

tag  标签，用于表示该元素表示哪种数据
attrib  属性，用字典形式保存
text  文本字符串，可以用来存储一些数据
tail  尾字符串，并不是必须的，例子中没有包含

ElementTree解析XML文件的过程：

1.导入ElementTree： import xml.etree.ElementTree  as ET
2.解析XML文件，找到根节点 :  tree = ET.parse('anyone.xml')
3.直接解析XML文件并获得根节点：  root = tree.getroot()
4.解析字符串： root = ET.fromstring(anyone_as_string)

5.遍历根节点，可以获得子节点，然后就可以根据要求拿到需要的字段了

简单案例：

import xml.etree.ElementTree as ET
tree = ET.parse('anyone.xml')
root = tree.getroot()
print(root.tag, root.attrib ,root.text)
for ele in root:
    print(ele.tag, ele.attrib, ele.text ,end=' ')
    for e in ele:
        print(e.tag, e.attrib, e.text, end=' ')

规范格式（改造代码）：

#先加载文档到内存里，形成一个倒桩的树结构
tree = ET.parse('anyone.xml')
#获取根节点
root = tree.getroot()
anyone={}
print('tag:',root.tag,'attrib:',root.attrib, 'text:',root.text)
for ele in root:
    print('tag:',ele.tag,'attrib:',ele.attrib)
    # for e in ele:
    #     print('tag:',e.tag,'attrib:',e.attrib, 'text:',e.text)
    value = []
    for e in ele:
        if e.text is None:
            value.append(e.attrib)
        else:
            value.append({e.tag: e.text})
    anyone[ele.attrib['name']] = value
print(anyone)

查找指定的子节点：

当XML文件较大或者其中的子节点tag非常多的时候，一个一个获取是比较麻烦的而且有很多不是我们需要的，这样我们可以通过find('nodeName')或者findall('nodeName')方法来查找指定tag的节点。

find('nodeName')：表示在该节点下，查找其中第一个tag为nodeName的节点。
findall('nodeName')：表示在该节点下，查找其中所有tag为nodeName的节点。

import xml.etree.ElementTree as ET
tree = ET.parse('anyone.xml')
root = tree.getroot()
node = root.find('country')
nodeall = root.findall('country')
print(node)
print(nodeall)

#打印结果  <Element 'country' at 0x000000231099CE08>

#打印结果 [<Element 'country' at 0x000000231099CE08>, <Element 'country' at 0x0000002310B9AC28>, <Element 'country' at 0x0000002310B9ADB8>]

删除指定的节点以及保存

在合并Manifest文件的时候，可能有一些重复的权限，那么怎么删除掉呢，删除指定节点可以通过remove(node)方法,移除指定的节点。
代码示例，比如我们想移除attribute中name为Liechtenstein的节点：

import xml.etree.ElementTree as ET
tree = ET.parse('anyone.xml')
root = tree.getroot()
nodes = root.findall('country')
for node in nodes:
    if node.attrib['name']=='Liechtenstein':
        root.remove(node)
tree.write('new_anyone.xml')
print('ok!')

使用SAX API解析XML

当处理大文件时，SAX显然无法与DOM一样快地处理信息。 另一方面，使用DOM专门可以真正地占用资源，特别是如果要加许多文件使用的时候。
SAX是只读的，而DOM允许更改XML文件。由于这两种不同的API相辅相成，在大型项目中一般根据需要使用它们。

xml原文档

<?xml version="1.0"?>
<collection shelf = "New Arrivals">
<movie title = "Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2013</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>

SAX 解析XML

SAX是事件驱动的XML解析的标准接口。 使用SAX解析XML通常需要通过子类化xml.sax.ContentHandler来创建自己的ContentHandler。

ContentHandler处理XML样式/风格的特定标签和属性。 ContentHandler对象提供了处理各种解析事件的方法。它拥有的解析器在解析XML文件时调用ContentHandler方法。

在XML文件的开头和结尾分别调用：startDocument和endDocument方法。

characters(text)方法通过参数text传递XML文件的字符数据。

ContentHandler在每个元素的开头和结尾被调用。

如果解析器不在命名空间模式下，则调用startElement(tag，attributes)和endElement(tag)方法; 否则，调用相应的方法startElementNS和endElementNS方法。 这里，tag是元素标签，属性是Attributes对象。

以下是继续前面了解的其他重要方法 -

make_parser()方法

以下方法创建一个新的解析器对象并返回它。创建的解析器对象将是系统查找的第一个解析器类型。

xml.sax.make_parser( [parser_list] )

Python

以下是参数的详细信息 -

• parser_list - 可选参数，由使用哪个解析器的列表组成，必须全部实现make_parser方法。

parse()方法

以下方法创建一个SAX解析器并使用它来解析文档。

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

Python

以下是参数的详细信息 -

• xmlfile - 这是要读取的XML文件的名称。
• contenthandler - 这必须是ContentHandler对象。
• errorhandler - 如果指定，errorhandler必须是SAX ErrorHandler

parseString方法

还有一种方法来创建SAX解析器并解析指定的XML字符串。

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

Python

以下是参数的详细信息 -

• xmlstring - 这是要读取的XML字符串的名称。
• contenthandler - 这必须是ContentHandler对象。
• errorhandler - 如果指定，errorhandler必须是SAX ErrorHandler对象。

#!/usr/bin/python3

import xml.sax

class MovieHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.type = ""
      self.format = ""
      self.year = ""
      self.rating = ""
      self.stars = ""
      self.description = ""

   # Call when an element starts
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print ("*****Movie*****")
         title = attributes["title"]
         print ("Title:", title)

   # Call when an elements ends
   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 = ""

   # Call when a character is read
   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 = content

if ( __name__ == "__main__"):

   # create an XMLReader
   parser = xml.sax.make_parser()
   # turn off namepsaces
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

   # override the default ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )

   parser.parse("movies.xml")

打印结果：

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom