python对XML的解析总结

转载了这么多的文章，终于可以写一点自己的东西了。初学Python不久，程序中不当之处还请各位看官不吝赐教。

本文中很多地方都是参考了其他人的博文，具体的也不甚清楚到底参考了哪些，在此仅列出一个大概吧。绿色背景表示含有链接。

感谢gaodeyue，他的例程写的很好。我直接参考了他的DOM构建和解析XML文档的程序写了一个我自己的XML文档。另外的那篇Python处理XML数据之SAX篇我想也还不错，不过现在觉得还是没必要学，时间又稍微有点紧，所以先不弄了，转载过来好了。其实想写这篇博文也是因为看了他的Python处理XML数据之DOM篇才有这个想法的。非常感谢。

感谢yueguanghaidao，在网上游荡了好久，发现用ElementTree来解析XML文档的很多，但是用ElementTree来生成XML文件的真滴不多，而且很杂乱，然后我就找到了yueguanghaidao的这篇博文，参照着把ElementTree生成XML文档的程序给写出来了。同样非常感谢。本博文的第二大段文字“Python有三种方法解析XML”亦是来自于yueguanhaidao，在此再次表示感谢。

感谢大CC，引用了他写的美化程序，非常的好用，非常谢谢！

注：我所使用的Python版本为2.7.3

Python提供了两种XML支持:

第一种是支持两种XML解析的行业标准方法——SAX和DOM 。 SAX(Simple API for XML ，用于XML的简单API)以事件处理为基础，按照遇到XML元素的顺序读取XML文档，触发处理函数来执行处理。DOM (Document Object Model ，文档对象模型)构建表示整个XML文档的树结构。树结构构建完成后， DOM将提供一个遍历树和提取数据的接口。SAX和DOM API都不是源自Python ，Python只是复制了为Java和JavaScript开发的接口。

第二种是支持特定于Python的XML解析方住。尽管可以使用SAX和DOM接口处理XML ，但是标准库中最方便的编程接口还是ElementTree接口。这种方住充分利用了Python的语言特点，大部分用户发现它比SAX或DOM要更加简单快捷。本文将讨论这3 种XML解析方法，重点讨论ElementTree方法。
这里建议读者只关注基本的XML数据解析。Python还包括与实现新类型解析、从头构建XML文档等方面有关的XML模块。此外，各种第三方扩展插件扩展了Python的功能，添加了其他XML功能，如支持XSLT和XPATH。更多信息的链接，请参见http://wiki.python.org/moin/PythonXml。

python有三种方法解析XML：SAX、DOM以及ElementTree

1.SAX (simple API for XML )
pyhton 标准库包含SAX解析器，SAX是一种典型的极为快速的工具，在解析XML时，不会占用大量内存。但是这是基于回调机制的，因此在某些数据中，它会调用某些方法进行传递。这意味着必须为数据指定句柄，以维持自己的状态，这是非常困难的。

2.DOM(Document Object Model)
与SAX比较，DOM典型的缺点是比较慢，消耗更多的内存，因为DOM会将整个XML数读入内存中，并为树中的第一个节点建立一个对象。使用DOM的好处是你不需要对状态进行追踪，因为每一个节点都知道谁是它的父节点，谁是子节点。但是DOM用起来有些麻烦。

3.ElementTree(元素树)
ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少，这里主要介绍ElementTree。

下面是一个简单的XML例子，其文件名为ep1.xml

[html] view plain copy print ?

1. <?xml version="1.0" encoding="UTF-8"?>  
2. <bookstore>  
3.     <book category="COOKING">  
4.         <title language="English">Everyday Italian</title>  
5.         <author>Giada De Laurentiis</author>  
6.         <year>2005</year>  
7.         <price>30.00</price>  
8.     </book>  
9.     <book category="JUVENILE">  
10.         <title language="English">Harry Potter</title>  
11.         <author>J K. Rowling</author>  
12.         <year>2005</year>  
13.         <price>29.99</price>  
14.     </book>  
15.     <book category="WEB">  
16.         <title language="English">Learning XML</title>  
17.         <author>Erik T. Ray</author>  
18.         <year>2003</year>  
19.         <price>39.95</price>  
20.     </book>  
21. </bookstore>  

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
	<book category="COOKING">
		<title language="English">Everyday Italian</title>
		<author>Giada De Laurentiis</author>
		<year>2005</year>
		<price>30.00</price>
	</book>
	<book category="JUVENILE">
		<title language="English">Harry Potter</title>
		<author>J K. Rowling</author>
		<year>2005</year>
		<price>29.99</price>
	</book>
	<book category="WEB">
		<title language="English">Learning XML</title>
		<author>Erik T. Ray</author>
		<year>2003</year>
		<price>39.95</price>
	</book>
</bookstore>

在这段XML中有三个book元素，每个book又有category属性和title、author、year和price四个元素，其中title元素含有language属性。可以看出，XML表现数据非常直观，即使没学过也能很快的理解，相比之下DOM就要稍微复杂一点了。

Python处理XML之DOM篇

这一部分主要讨论如何用xml.dom模块来处理上述XML文件

下面我们会用python的DOM编程接口来生成上面的bookstoreXML数据，在此之前，你需要对DOM又一个简单的认识，如果你已经知道DOM了，可以直接跳到code部分。

在DOM中，文档由不同的节点组成。<book>、<title>这些在’<>’中的叫做元素节点，category这种以'name=value’形式出现在’<>’中的是属性节点，'Harry Potter’、'2005'这些又叫做文本节点(注意：文本本身也是节点，而不是外层元素节点的值,<name>节点的值是null！)。除此以外，节点和节点之间还存在父子关系，比如<bookstore>是整个文档的根节点，它下面有三个book元素子节点，每个book节点又有一个category属性子节点和title、author、year和price四个元素子节点，title元素节点下有一个属性节点language和一个文本子节点Harry Potter，最终一个DOM文档就由各种节点构成一颗节点树。OK，一般来说掌握这些知识足够了，如果你想要系统的学习DOM，请参考W3C的DOM标准。

首先编程生成ep1.xml文件

[python] view plain copy print ?

1. # -*- coding:UTF-8 -*-   
2. from xml.dom import getDOMImplementation  
3.   
4. def create_element_with_text(document,tagname,text):  
5.     "创建一个元素节点，该节点只有一个文本子节点"  
6.     #创建元素节点和文本节点   
7.     elementNode = document.createElement(tagname)  
8.     textNode = document.createTextNode(text)  
9.     # 将文本节点作为元素节点的子节点   
10.     elementNode.appendChild(textNode)  
11.     return elementNode  
12.   
13. def create_bookstore_xml(filename):  
14.     impl = getDOMImplementation()  
15.     # 创建文档对象，文档对象用于创建各种节点。   
16.     # 注意这个文档不是指XML文件，而是DOM文档   
17.     doc = impl.createDocument(None, # namespaceUri   
18.                               "bookstore", # qualifiedName   
19.                               None) # doctype   
20.     top_element = doc.documentElement # 得到根节点   
21.     # 定义要转换的数据   
22.     bookstore = [{'category':'COOKING', 'title':'Everyday Italian', 'language':'English', 'author':'Giada De Laurentiis', 'year':2005,'price':30.00},  
23.                  {'category':'JUVENILE', 'title':'Harry Potter', 'language':'English', 'author':'J K. Rowling', 'year':2005,'price':39.99},  
24.                  {'category':'WEB', 'title':'Learning XML', 'language':'English', 'author':'Erik T. Ray', 'year':2003,'price':39.95}]  
25.     for book in bookstore:  
26.         sNode = doc.createElement('book')  
27.         # 为book添加categroy属性节点，注意属性值需要转化成string类型   
28.         sNode.setAttribute('category', book['category'])  
29.         # 给book节点添加四个元素子节点，注意year和price要转成string   
30.         titleNode = create_element_with_text(doc, 'title', book['title'])  
31.         titleNode.setAttribute('language', book['language'])  
32.         authorNode = create_element_with_text(doc, 'author', book['author'])  
33.         yearNode = create_element_with_text(doc, 'year', str(book['year']))  
34.         priceNode = create_element_with_text(doc, 'price',str(book['price']))  
35.         sNode.appendChild(titleNode)  
36.         sNode.appendChild(authorNode)  
37.         sNode.appendChild(yearNode)  
38.         sNode.appendChild(priceNode)  
39.         # 将遍历的student节点添加到根节点下   
40.         top_element.appendChild(sNode)  
41.         # 最后，将DOM文档写到文件中保存   
42.         xml_file = open(filename, 'w')  
43.         print doc.toprettyxml()#美化XML输出   
44.         doc.writexml(xml_file, addindent=' '*4, newl='\n', encoding='utf-8')  
45.   
46. if __name__ == '__main__':  
47.     create_bookstore_xml('bookDOM.xml')  

# -*- coding:UTF-8 -*-
from xml.dom import getDOMImplementation

def create_element_with_text(document,tagname,text):
    "创建一个元素节点，该节点只有一个文本子节点"
    #创建元素节点和文本节点
    elementNode = document.createElement(tagname)
    textNode = document.createTextNode(text)
    # 将文本节点作为元素节点的子节点
    elementNode.appendChild(textNode)
    return elementNode

def create_bookstore_xml(filename):
    impl = getDOMImplementation()
    # 创建文档对象，文档对象用于创建各种节点。
    # 注意这个文档不是指XML文件，而是DOM文档
    doc = impl.createDocument(None, # namespaceUri
                              "bookstore", # qualifiedName
                              None) # doctype
    top_element = doc.documentElement # 得到根节点
    # 定义要转换的数据
    bookstore = [{'category':'COOKING', 'title':'Everyday Italian', 'language':'English', 'author':'Giada De Laurentiis', 'year':2005,'price':30.00},
                 {'category':'JUVENILE', 'title':'Harry Potter', 'language':'English', 'author':'J K. Rowling', 'year':2005,'price':39.99},
                 {'category':'WEB', 'title':'Learning XML', 'language':'English', 'author':'Erik T. Ray', 'year':2003,'price':39.95}]
    for book in bookstore:
        sNode = doc.createElement('book')
        # 为book添加categroy属性节点，注意属性值需要转化成string类型
        sNode.setAttribute('category', book['category'])
        # 给book节点添加四个元素子节点，注意year和price要转成string
        titleNode = create_element_with_text(doc, 'title', book['title'])
        titleNode.setAttribute('language', book['language'])
        authorNode = create_element_with_text(doc, 'author', book['author'])
        yearNode = create_element_with_text(doc, 'year', str(book['year']))
        priceNode = create_element_with_text(doc, 'price',str(book['price']))
        sNode.appendChild(titleNode)
        sNode.appendChild(authorNode)
        sNode.appendChild(yearNode)
        sNode.appendChild(priceNode)
        # 将遍历的student节点添加到根节点下
        top_element.appendChild(sNode)
        # 最后，将DOM文档写到文件中保存
        xml_file = open(filename, 'w')
        print doc.toprettyxml()#美化XML输出
        doc.writexml(xml_file, addindent=' '*4, newl='\n', encoding='utf-8')

if __name__ == '__main__':
    create_bookstore_xml('bookDOM.xml')

可以看出，使用DOM的好处是可以很自由的调整各节点之间的关系，面对频繁添加或者删除节点的需求时，可以轻松地用DOM来解决，SAX在这方面显得非常乏力。然而，DOM的缺点是在解析时需要把整个XML文档映射为内存中的DOM树，如果文件很大的话，构建DOM树就会非常耗资源了。

下面我们就来看看怎么解析刚才生成的XML文件，重新构造出bookstore列表。这里用到了xml.dom.minidom模块中的parse方法。

[python] view plain copy print ?

1. from xml.dom import minidom  
2.   
3. def get_node_text(node):  
4.     # 得到元素的文本子节点中的内容，strip用于取出文本两头的空白字符   
5.     return node.childNodes[0].nodeValue.strip()  
6.   
7. def parse_bookstore_xml(filename):  
8.     # 利用minidom模块将XML文件解析成DOM文档对象   
9.     doc = minidom.parse(filename)  
10.     top_element = doc.documentElement  
11.     bookstore = []#列表   
12.     books = top_element.getElementsByTagName('book')  
13.     for node in books:  
14.         book = {} #字典   
15.         book['category'] = node.getAttribute('category')  
16.         book['title'] = get_node_text(node.getElementsByTagName('title')[0])  
17.         #下面两句是做测试用的   
18.         #print node.getElementsByTagName('title')[0].hasAttributes()   
19.         #print node.getElementsByTagName('title')[0].hasAttribute('language')   
20.         book['language']=node.getElementsByTagName('title')[0].getAttribute('language')  
21.         book['author'] = get_node_text(node.getElementsByTagName('author')[0])  
22.         book['year'] = get_node_text(node.getElementsByTagName('year')[0])  
23.         book['price'] = get_node_text(node.getElementsByTagName('price')[0])  
24.         bookstore.append(book)  
25.     return bookstore  
26. if __name__ == '__main__':  
27.     bookstore = parse_bookstore_xml('ep1.xml')  
28.     print 'bookstore:'  
29.     i=1  
30.     for book in bookstore:  
31.         print 'book%s'%i  
32.         print book  
33.         i=i+1  
34.         for key in book:  
35.             print '  %s : %s' % (key,book[key])  

from xml.dom import minidom

def get_node_text(node):
    # 得到元素的文本子节点中的内容，strip用于取出文本两头的空白字符
    return node.childNodes[0].nodeValue.strip()

def parse_bookstore_xml(filename):
    # 利用minidom模块将XML文件解析成DOM文档对象
    doc = minidom.parse(filename)
    top_element = doc.documentElement
    bookstore = []#列表
    books = top_element.getElementsByTagName('book')
    for node in books:
        book = {} #字典
        book['category'] = node.getAttribute('category')
        book['title'] = get_node_text(node.getElementsByTagName('title')[0])
        #下面两句是做测试用的
        #print node.getElementsByTagName('title')[0].hasAttributes()
        #print node.getElementsByTagName('title')[0].hasAttribute('language')
        book['language']=node.getElementsByTagName('title')[0].getAttribute('language')
        book['author'] = get_node_text(node.getElementsByTagName('author')[0])
        book['year'] = get_node_text(node.getElementsByTagName('year')[0])
        book['price'] = get_node_text(node.getElementsByTagName('price')[0])
        bookstore.append(book)
    return bookstore
if __name__ == '__main__':
    bookstore = parse_bookstore_xml('ep1.xml')
    print 'bookstore:'
    i=1
    for book in bookstore:
        print 'book%s'%i
        print book
        i=i+1
        for key in book:
            print '  %s : %s' % (key,book[key])

运行后得到如下结果：

[python] view plain copy print ?

1. bookstore:  
2. book1  
3.   category : COOKING  
4.   language : English  
5.   author : Giada De Laurentiis  
6.   price : 30.00  
7.   title : Everyday Italian  
8.   year : 2005  
9. book2  
10.   category : JUVENILE  
11.   language : English  
12.   author : J K. Rowling  
13.   price : 29.99  
14.   title : Harry Potter  
15.   year : 2005  
16. book3  
17.   category : WEB  
18.   language : English  
19.   author : Erik T. Ray  
20.   price : 39.95  
21.   title : Learning XML  
22.   year : 2003  

bookstore:
book1
  category : COOKING
  language : English
  author : Giada De Laurentiis
  price : 30.00
  title : Everyday Italian
  year : 2005
book2
  category : JUVENILE
  language : English
  author : J K. Rowling
  price : 29.99
  title : Harry Potter
  year : 2005
book3
  category : WEB
  language : English
  author : Erik T. Ray
  price : 39.95
  title : Learning XML
  year : 2003

解析代码中最关键的就是minidom模块的parse方法以及DOM节点对象的getElementsByTagName和childNodes方法，如果这还不足以满足你的需求，请参考python标准库官方文档中关于xml.dom模块和xml.dom.minidom模块的内容。

Python处理XML之ElementTree篇

同样是上面那个ep1.xml文件，在此用ElementTree来构建和解析

构建ep1.xml

[python] view plain copy print ?

1. from xml.etree.ElementTree import *  
2.   
3. def creat_element_with_text(upnode,tagname,nodetext):  
4.     "创建一个元素节点，该节点只有一个文本子节点"  
5.     #创建子节点并为其添加文本节点   
6.     subnode = SubElement(upnode,tagname)  
7.     subnode.text = nodetext  
8.     return subnode  
9.   
10. #美化输出结果。elem为根节点，level缺省参数    
11. def beautify(elem, level=0):   
12.     i = "\n" + level*"    "  
13.     if len(elem):   
14.         if not elem.text or not elem.text.strip():   
15.             elem.text = i + "    "  
16.         for e in elem:   
17.             beautify(e, level+1)   
18.         if not e.tail or not e.tail.strip():   
19.             e.tail = i   
20.     if level and (not elem.tail or not elem.tail.strip()):   
21.         elem.tail = i   
22.     return elem  
23.   
24. if __name__ == '__main__':  
25.     #定义要构建的XML的文件的各种元素属性   
26.     bookstore = [{'category':'COOKING', 'title':'Everyday Italian', 'language':'English', 'author':'Giada De Laurentiis', 'year':2005,'price':30.00},  
27.                  {'category':'JUVENILE', 'title':'Harry Potter', 'language':'English', 'author':'J K. Rowling', 'year':2005,'price':39.99},  
28.                  {'category':'WEB', 'title':'Learning XML', 'language':'English', 'author':'Erik T. Ray', 'year':2003,'price':39.95}]  
29.     bookstoreNode = Element('bookstore')  
30.     for book in bookstore:  
31.         #构建book的元素及属性，注意year和price的文本节点要转换成字符串   
32.         bookNode = SubElement(bookstoreNode,'book')  
33.         bookNode.attrib['category'] = book['category']  
34.         titleNode = creat_element_with_text(bookNode,'title',book['title'])  
35.         titleNode.attrib['language'] = book['language']          
36.         authorNode = creat_element_with_text(bookNode,'author',book['author'])  
37.         yearNode = creat_element_with_text(bookNode,'year',str(book['year']))  
38.         priceNode = creat_element_with_text(bookNode,'price',str(book['price']))  
39.     tree = ElementTree(bookstoreNode)  
40.     beautify(bookstoreNode)  
41.     dump(tree)#用于输出该树   
42.     #保存到ep1.xml文档中，编码方式是UTF-8   
43.     tree.write('ep1.xml','UTF-8')  

from xml.etree.ElementTree import *

def creat_element_with_text(upnode,tagname,nodetext):
    "创建一个元素节点，该节点只有一个文本子节点"
    #创建子节点并为其添加文本节点
    subnode = SubElement(upnode,tagname)
    subnode.text = nodetext
    return subnode

#美化输出结果。elem为根节点，level缺省参数 
def beautify(elem, level=0): 
    i = "\n" + level*"    "
    if len(elem): 
        if not elem.text or not elem.text.strip(): 
            elem.text = i + "    "
        for e in elem: 
            beautify(e, level+1) 
        if not e.tail or not e.tail.strip(): 
            e.tail = i 
    if level and (not elem.tail or not elem.tail.strip()): 
        elem.tail = i 
    return elem

if __name__ == '__main__':
    #定义要构建的XML的文件的各种元素属性
    bookstore = [{'category':'COOKING', 'title':'Everyday Italian', 'language':'English', 'author':'Giada De Laurentiis', 'year':2005,'price':30.00},
                 {'category':'JUVENILE', 'title':'Harry Potter', 'language':'English', 'author':'J K. Rowling', 'year':2005,'price':39.99},
                 {'category':'WEB', 'title':'Learning XML', 'language':'English', 'author':'Erik T. Ray', 'year':2003,'price':39.95}]
    bookstoreNode = Element('bookstore')
    for book in bookstore:
        #构建book的元素及属性，注意year和price的文本节点要转换成字符串
        bookNode = SubElement(bookstoreNode,'book')
        bookNode.attrib['category'] = book['category']
        titleNode = creat_element_with_text(bookNode,'title',book['title'])
        titleNode.attrib['language'] = book['language']        
        authorNode = creat_element_with_text(bookNode,'author',book['author'])
        yearNode = creat_element_with_text(bookNode,'year',str(book['year']))
        priceNode = creat_element_with_text(bookNode,'price',str(book['price']))
    tree = ElementTree(bookstoreNode)
    beautify(bookstoreNode)
    dump(tree)#用于输出该树
    #保存到ep1.xml文档中，编码方式是UTF-8
    tree.write('ep1.xml','UTF-8')

解析XML文档，在这里我是采用的大型XML文档解析法，因为项目的原因，XML文档必定非常的大，所以采用了这种方法。其实可以写的很简单的，各位看官可以自己去琢磨一下。

[python] view plain copy print ?

1. from xml.etree.ElementTree import iterparse  
2.   
3. iparse = iterparse('ep6.xml',['start','end'])  
4. #查找顶层bookstore   
5. for event,elem in iparse:  
6.     if event == 'start' and elem.tag == 'bookstore':  
7.         Nodes = elem  
8.         #print nodes   
9.         break  
10. bookstore = [] #列表   
11.   
12. #获取所有book   
13. #以下三种方法都可以，但是我不知道后两种是否移除掉了不再使用的book   
14. books = (elem for event,elem in iparse if event == 'end' and elem.tag =='book')  
15. #books = Nodes.findall('book')   
16. #books = elem.findall('book')   
17. for i in books:  
18.     book = {} #字典   
19.     book['category'] = i.get('category')  
20.     #print book['category']   
21.     book['title'] = i.find('title').text.strip()  
22.     #获取title元素的属性   
23.     book['language'] = i.find('title').get('language')  
24.     book['author'] = i.find('author').text.strip()  
25.     book['year'] = i.find('year').text.strip()  
26.     book['price'] = i.find('price').text.strip()  
27.     bookstore.append(book)  
28.     #print book   
29.     #清除不再使用的book元素，减少内存使用   
30.     Nodes.remove(i)  
31.   
32. print "bookstore:"  
33. i=1  
34. for book in bookstore:  
35.     print 'book%s'%i  
36.     #print book   
37.     i=i+1  
38.     for key in book:  
39.         print '  %s : %s' % (key,book[key])  

from xml.etree.ElementTree import iterparse

iparse = iterparse('ep6.xml',['start','end'])
#查找顶层bookstore
for event,elem in iparse:
    if event == 'start' and elem.tag == 'bookstore':
        Nodes = elem
        #print nodes
        break
bookstore = [] #列表

#获取所有book
#以下三种方法都可以，但是我不知道后两种是否移除掉了不再使用的book
books = (elem for event,elem in iparse if event == 'end' and elem.tag =='book')
#books = Nodes.findall('book')
#books = elem.findall('book')
for i in books:
    book = {} #字典
    book['category'] = i.get('category')
    #print book['category']
    book['title'] = i.find('title').text.strip()
    #获取title元素的属性
    book['language'] = i.find('title').get('language')
    book['author'] = i.find('author').text.strip()
    book['year'] = i.find('year').text.strip()
    book['price'] = i.find('price').text.strip()
    bookstore.append(book)
    #print book
    #清除不再使用的book元素，减少内存使用
    Nodes.remove(i)

print "bookstore:"
i=1
for book in bookstore:
    print 'book%s'%i
    #print book
    i=i+1
    for key in book:
        print '  %s : %s' % (key,book[key])

Python处理XML之SAX篇

（这一部分纯粹的转载，前面已经给了链接了）
前面介绍了python中使用DOM处理XML数据的方法，今天介绍另一个常用接口，SAX。
SAX是Simple API for XML的简称，最初由Java实现，最新版本是2.0，是一种事件驱动的API。SAX的基本思想如下：顺序读取XML文件内容，并在读取过程中根据读到的数据产生对应的事件，由用户编写的Handler决定如何响应事件。python的SAX2实现在xml.sax标准库模块中，下面以students.xml为例，演示SAX的基本用法。

students.xml

[html] view plain copy print ?

1. <?xml version="1.0" encoding="UTF-8"?>  
2.  <students>  
3.      <student id="1">   
4.         <name>zhangsan</name>  
5.          <age>20</age>  
6.          <dob>1990.11.22</dob>  
7.      </student>       
8.      <student id="2">  
9.          <name>lisi</name>  
10.          <age>21</age>  
11.          <dob>1992.06.15</dob>  
12.      </student>   
13. </students>  

<?xml version="1.0" encoding="UTF-8"?>
 <students>
     <student id="1"> 
        <name>zhangsan</name>
         <age>20</age>
         <dob>1990.11.22</dob>
     </student>     
     <student id="2">
         <name>lisi</name>
         <age>21</age>
         <dob>1992.06.15</dob>
     </student> 
</students>

sax_demo.py

[python] view plain copy print ?

1. # -*- coding:utf-8 -*-   
2. from xml.sax import handler,parseString    
3. classMyGeneralHandler(handler.ContentHandler):  
4.      
5.     """     自定义事件处理器     """  
6.     def startDocument(self):  
7.         print 'Document Start...'  
8.     def endDocument(self):  
9.         print 'Document End...'  
10.     def startElement(self, name, attrs):  
11.         print 'encounter element(%s)' % (name)  
12.     def endElement(self, name):  
13.         print 'leave element(%s)' % (name)  
14.     def characters(self, content):  
15.         print 'characters:' + content  
16. xml_file = open('students.xml','r')  
17. parseString(xml_file.read(), #xml数据内容   
18.             MyGeneralHandler()) # 事件处理对象   
19. xml_file.close()  

# -*- coding:utf-8 -*-
from xml.sax import handler,parseString  
classMyGeneralHandler(handler.ContentHandler):
   
    """     自定义事件处理器     """
    def startDocument(self):
        print 'Document Start...'
    def endDocument(self):
        print 'Document End...'
    def startElement(self, name, attrs):
        print 'encounter element(%s)' % (name)
    def endElement(self, name):
        print 'leave element(%s)' % (name)
    def characters(self, content):
        print 'characters:' + content
xml_file = open('students.xml','r')
parseString(xml_file.read(), #xml数据内容
            MyGeneralHandler()) # 事件处理对象
xml_file.close()

sax_demo.py的运行结果:

[python] view plain copy print ?

1. Document Start...  
2. encounter element(students)  
3. characters:  
4.   
5. characters:       
6. encounter element(student)  
7. characters:   
8. characters:  
9.   
10. characters:          
11. encounter element(name)  
12. characters:zhangsan  
13. leave element(name)  
14. characters:  
15.   
16. characters:           
17. encounter element(age)  
18. characters:20  
19. leave element(age)  
20. characters:  
21.   
22. characters:           
23. encounter element(dob)  
24. characters:1990.11.22  
25. leave element(dob)  
26. characters:  
27.   
28. characters:       
29. leave element(student)  
30. characters:       
31. characters:  
32.   
33. characters:       
34. encounter element(student)  
35. characters:  
36.   
37. characters:           
38. encounter element(name)  
39. characters:lisi  
40. leave element(name)  
41. characters:  
42.   
43. characters:           
44. encounter element(age)  
45. characters:21  
46. leave element(age)  
47. characters:  
48.   
49. characters:           
50. encounter element(dob)  
51. characters:1992.06.15  
52. leave element(dob)  
53. characters:  
54.   
55. characters:       
56. leave element(student)  
57. characters:   
58. characters:  
59.   
60. leave element(students)  
61. Document End...  

Document Start...
encounter element(students)
characters:

characters:     
encounter element(student)
characters: 
characters:

characters:        
encounter element(name)
characters:zhangsan
leave element(name)
characters:

characters:         
encounter element(age)
characters:20
leave element(age)
characters:

characters:         
encounter element(dob)
characters:1990.11.22
leave element(dob)
characters:

characters:     
leave element(student)
characters:     
characters:

characters:     
encounter element(student)
characters:

characters:         
encounter element(name)
characters:lisi
leave element(name)
characters:

characters:         
encounter element(age)
characters:21
leave element(age)
characters:

characters:         
encounter element(dob)
characters:1992.06.15
leave element(dob)
characters:

characters:     
leave element(student)
characters: 
characters:

leave element(students)
Document End...

从上面的例子可以看出，使用SAX最主要的工作就是编写事件处理类，在该类中决定处理哪些元素和文本。从编程者的角度看，SAX并没有DOM来的直观和方便，DOM可以任意操作文档的任意节点，而在编写SAX的handler时，你需要时刻记住当前解析的节点（见下面的例子）。另外，SAX的事件驱动模型有一个天生的缺陷，就是只能读XML，不能修改！那我们为什么还要用SAX呢？与DOM相比，SAX的优点是：

不需要把整篇XML文档读入内存，在XML文件非常大时，一般使用SAX。
如果文档只需解析一次，使用SAX更有效。
使用SAX可以为XML创建任意的数据结构，而不用非得使用DOM。实际上，SAX与DOM并不是完全互斥等价，基于DOM的解析器在创建DOM树的过程中也可能使用SAX来获取数据，SAX是读取XML数据的一种方式，DOM则是W3C的一套标准。
下面来看一个更有意义的例子，利用SAX来读取刚才的students.xml并创建python中的student字典对象。

[python] view plain copy print ?

1. # -*- coding:utf-8 -*-   
2. from xml.sax import handler, parseString  
3. class StudentsHandler(handler.ContentHandler):  
4.     def __init__(self, students):  
5.         self.students = students  
6.         # 记录解析过程中上一次遇到的元素名   
7.         self.temp_name = ''  
8.     def startElement(self, name, attrs):  
9.         if name == 'students':  
10.             pass  
11.         elif name == 'student':  
12.             student = {}  
13.             for (attr_name, attr_value) in attrs.items():  
14.                 # 将id属性作为student对象的属性   
15.                 student[attr_name] = attr_value  
16.             self.students.append(student)  
17.         else:  
18.             self.temp_name = name  
19.     def characters(self, content):  
20.         if self.temp_name:  
21.             # temp_name不为空表示刚遇到元素节点的开始标签，那么content就是该元素节点中的文本   
22.             # 由于SAX是从上到下解析XML的，那么该属性应该是最后加入到students列表中的student对象的属性   
23.             self.students[-1][self.temp_name] = content  
24.             self.temp_name = ''  
25. students = []  
26. xml_file = open('students.xml', 'r')  
27. parseString(xml_file.read(), StudentsHandler(students))  
28. xml_file.close()   

# -*- coding:utf-8 -*-
from xml.sax import handler, parseString
class StudentsHandler(handler.ContentHandler):
    def __init__(self, students):
        self.students = students
        # 记录解析过程中上一次遇到的元素名
        self.temp_name = ''
    def startElement(self, name, attrs):
        if name == 'students':
            pass
        elif name == 'student':
            student = {}
            for (attr_name, attr_value) in attrs.items():
                # 将id属性作为student对象的属性
                student[attr_name] = attr_value
            self.students.append(student)
        else:
            self.temp_name = name
    def characters(self, content):
        if self.temp_name:
            # temp_name不为空表示刚遇到元素节点的开始标签，那么content就是该元素节点中的文本
            # 由于SAX是从上到下解析XML的，那么该属性应该是最后加入到students列表中的student对象的属性
            self.students[-1][self.temp_name] = content
            self.temp_name = ''
students = []
xml_file = open('students.xml', 'r')
parseString(xml_file.read(), StudentsHandler(students))
xml_file.close() 

最后总结一下SAX的常用场合：

1.处理大型XML文件
2.只需要文件中的部分内容，或者只需从XML中获取特定信息
3.比较高级的话题，想要建立自己的XML数据模型。

转载：http://blog.youkuaiyun.com/wanghuiqi2008/article/details/8074302