python实现XML解析的方法解析
这篇文章主要介绍了python实现XML解析的方法解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
三种方法:一是xml.dom.*模块,它是W3CDOMAPI的实现,若需要处理DOMAPI则该模块很适合;二是xml.sax.*模块,它是SAXAPI的实现,这个模块牺牲了便捷性来换取速度和内存占用,SAX是一个基于事件的API,这就意味着它可以“在空中”处理庞大数量的的文档,不用完全加载进内存;三是xml.etree.ElementTree模块(简称ET),它提供了轻量级的Python式的API,相对于DOM来说ET快了很多,而且有很多令人愉悦的API可以使用,相对于SAX来说ET的ET.iterparse也提供了“在空中”的处理方式,没有必要加载整个文档到内存,ET的性能的平均值和SAX差不多,但是API的效率更高一点而且使用起来很方便。
1、DOM(DocumentObjectModel)
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。
本文使用的示例文件movie.xml内容如下
War,Thriller DVD 2003 PG 10 TalkaboutaUS-Japanwar Anime,ScienceFiction DVD 1989 R 8 Aschientificfiction Anime,Action DVD 4 PG 10 VashtheStampede! Comedy VHS PG 2 Viewableboredom
python实现如下
#!/usr/bin/python #-*-coding:UTF-8-*- fromxml.dom.minidomimportparse importxml.dom.minidom #使用minidom解析器打开XML文档 DOMTree=xml.dom.minidom.parse("movie.xml") #得到元素对象 collection=DOMTree.documentElement ifcollection.hasAttribute("shelf"): print("Rootelement:%s"%collection.getAttribute("shelf")) #获取标签名 #print(collection.nodeName) #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 formovieinmovies: print("*****Movie*****") ifmovie.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) year=movie.getElementsByTagName("year") iflen(year)>0: print("Year:%s"%year[0].firstChild.data) #父节点parentNode #print(year[0].parentNode.nodeName) rating=movie.getElementsByTagName('rating')[0] print("Rating:%s"%rating.childNodes[0].data) description=movie.getElementsByTagName('description')[0] #显示标签对之间的数据 print("Description:%s"%description.childNodes[0].data) #print("Description:%s"%description.firstChild.data)
执行结果:
Rootelement:NewArrivals *****Movie***** Title:EnemyBehind Type:War,Thriller Format:DVD Year:2003 Rating:PG Description:TalkaboutaUS-Japanwar *****Movie***** Title:Transformers Type:Anime,ScienceFiction Format:DVD Year:1989 Rating:R Description:Aschientificfiction *****Movie***** Title:Trigun Type:Anime,Action Format:DVD Rating:PG Description:VashtheStampede! *****Movie***** Title:Ishtar Type:Comedy Format:VHS Rating:PG Description:Viewableboredom
2、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。
在python中,解析xml文件时,会选用ElementTree或者cElementTree,那么两者有什么不同呢?
1、cElementTree速度上要比ElementTree快,比较cElementTree是用c语音写的;
2、debug调试的时候,cElementTree是看不到解析的字段内容的,所以不适合用于调试的情况,而ElementTree可以看到解析的内容,方便调试时取值
3、在用到iter,迭代取某个标签时,cElementTree不能用,因为它没有这个函数,而ElementTree有这个函数;当然可能还有其他函数的差异
所有平时,我们一般这么用,比较速度快吗。调试的时候使用ElementTree。遇到某些特别的函数,只能选择拥有这个函数的使用
try:
importxml.etree.cElementTreeasET
except:
importxml.etree.ElementTreeasET
从Python3.3开始ElementTree模块会自动寻找可用的C库来加快速度
importxml.etree.ElementTreeasET importsys importos.path deftraverseXml(element): #print(len(element)) iflen(element)>0: forchildinelement: print("********Movie********") print("Title:",child.get("title")) forchildchildinchild: print(childchild.tag,":",childchild.text) #traverseXml(child) #else: #print(element.tag,"----",element.attrib) defreadXml(xmlFile): try: tree=ET.parse(xmlFile) #print("treetype:",type(tree)) #获得根节点 root=tree.getroot() exceptExceptionase:#捕获除与程序退出sys.exit()相关之外的所有异常 print("parse***.xmlfail!") sys.exit() #print("roottype:",type(root)) #root.attrib访问root属性,root.tag标签 #print(root.tag,":",root.attrib) returnroot if__name__=="__main__": xmlFilePath=os.path.abspath("movie.xml") root=readXml(xmlFilePath) ##使用下标访问 #print(root[0][0].text) #print(root[1][2].text) #根据标签名查找root下的所有标签 #movies=root.findall("movie") #遍历子标签 #print(len(movies)) #formovieinmovies: #type=movie.find("type") #print(type.text) #遍历xml文件 traverseXml(root)
3、SAX(simpleAPIforXML)
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。
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)方法
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()方法
文档启动的时候调用。
endDocument()方法
解析器到达文档结尾时调用。
startElement(name,attrs)方法
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。
#!/usr/bin/python #-*-coding:UTF-8-*- importxml.sax classMovieHandler(xml.sax.ContentHandler): def__init__(self): self.CurrentData="" self.type="" self.format="" self.year="" self.rating="" self.stars="" self.description="" #元素开始事件处理 defstartElement(self,tag,attributes): self.CurrentData=tag iftag=="movie": print("*****Movie*****") title=attributes["title"] print("Title:",title) #元素结束事件处理 defendElement(self,tag): ifself.CurrentData=="type": print("Type:",self.type) elifself.CurrentData=="format": print("Format:",self.format) elifself.CurrentData=="year": print("Year:",self.year) elifself.CurrentData=="rating": print("Rating:",self.rating) elifself.CurrentData=="stars": print("Stars:",self.stars) elifself.CurrentData=="description": print("Description:",self.description) self.CurrentData="" #内容事件处理 defcharacters(self,content): ifself.CurrentData=="type": self.type=content elifself.CurrentData=="format": self.format=content elifself.CurrentData=="year": self.year=content elifself.CurrentData=="rating": self.rating=content elifself.CurrentData=="stars": self.stars=content elifself.CurrentData=="description": self.description=content if(__name__=="__main__"): #创建一个XMLReader parser=xml.sax.make_parser() #turnoffnamepsaces parser.setFeature(xml.sax.handler.feature_namespaces,0) #重写ContextHandler Handler=MovieHandler() parser.setContentHandler(Handler) parser.parse("movie.xml")
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。