Python XML 解析

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。
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。
Python 有三种方法解析 XML，SAX (simple API for XML )，DOM(Document Object Model)，以及 ElementTree(元素树)

• SAX: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。
• 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
• 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。
  因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

#demo.xml
<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>

SAX解析

SAX是一种基于事件驱动的 API。
利用SAX解析XML文档牵涉到两个部分: 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。
而事件处理器则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
  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。
  startDocument()
  文档启动的时候调用。
  endDocument()
  解析器到达文档结尾时调用。
  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。
  endElement(name) 方法
  遇到XML结束标签时调用。
• xml.sax方法

方法	说明	参数说明
xml.sax.make_parser( [parser_list] )	创建一个新的解析器对象并返回。	parser_list - 可选参数，解析器列表
xml.sax.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
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])	parseString方法创建一个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

• 实例

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import xml.sax


class MovieHandler(xml.sax.ContentHandler):
    data=[]
    def __init__(self):
        self.data = []
        self.one = {}

    # 元素开始事件处理
    def startElement(self, tag, attributes):
        self.CurrentData = tag
        if tag == "movie":
            if (len(self.one)>0) :
                self.data.append(self.one)
            self.one = {}
            self.one['title'] = attributes.getValue('title')

    # 元素结束事件处理
    def endElement(self, tag):
        self.CurrentData = ""


    # 内容事件处理
    def characters(self, content):
        if (self.CurrentData not in ('movie','collection','')):
            self.one[self.CurrentData] = content


if (__name__ == "__main__"):
    # 创建一个 XMLReader
    parser = xml.sax.make_parser()
    # turn off namepsaces
    parser.setFeature(xml.sax.handler.feature_namespaces, 0)

    # 重写 ContextHandler
    Handler = MovieHandler()
    parser.setContentHandler(Handler)
    parser.parse("demo.xml")
    print(Handler.data) #[{'title': 'Enemy Behind', 'type': 'War, Thriller', 'format': 'DVD', 'year': '2003', 'rating': 'PG', 'stars': '10', 'description': 'Talk about a US-Japan war'}, {'title': 'Transformers', 'type': 'Anime, Science Fiction', 'format': 'DVD', 'year': '1989', 'rating': 'R', 'stars': '8', 'description': 'A schientific fiction'}, {'title': 'Trigun', 'type': 'Anime, Action', 'format': 'DVD', 'episodes': '4', 'rating': 'PG', 'stars': '10', 'description': 'Vash the Stampede!'}]

xml.dom

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

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("demo.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
    print("Root element : %s" % collection.getAttribute("shelf")) #Root element : New Arrivals
# 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
datas = []
for index,movie in enumerate(movies):
    datas.append({"title":movie.getAttribute('title'),"type":movie.getElementsByTagName('type')[0].childNodes[0].data,"format": movie.getElementsByTagName('format')[0].childNodes[0].data,"rating": movie.getElementsByTagName('rating')[0].childNodes[0].data, "description": movie.getElementsByTagName('description')[0].childNodes[0].data})
print(datas) #[{'title': 'Enemy Behind', 'type': 'War, Thriller', 'format': 'DVD', 'rating': 'PG', 'description': 'Talk about a US-Japan war'}, {'title': 'Transformers', 'type': 'Anime, Science Fiction', 'format': 'DVD', 'rating': 'R', 'description': 'A schientific fiction'}, {'title': 'Trigun', 'type': 'Anime, Action', 'format': 'DVD', 'rating': 'PG', 'description': 'Vash the Stampede!'}, {'title': 'Ishtar', 'type': 'Comedy', 'format': 'VHS', 'rating': 'PG', 'description': 'Viewable boredom'}]