Python解析XML的三种主流方法：SAX、DOM与ElementTree详解
本文详细介绍Python中解析XML文件的三种主要方式：SAX、DOM和ElementTree。重点讲解基于事件驱动的SAX解析器及其ContentHandler回调机制，以及将XML加载为内存树结构的DOM解析方法。通过具体代码示例，展示如何利用xml.sax和xml.dom.minidom模块处理大型文件或特定数据提取，帮助开发者根据场景选择合适方案。
XML基础概念
XML是什么？
XML全称为可扩展标记语言（eXtensible Markup Language），它是标准通用标记语言（SGML）的子集，专门用于为电子文件添加结构化标记。如需深入了解XML基础，可参考相关XML教程。
XML的设计初衷在于高效地传输和存储数据。
它定义了一套语义标记规则，这些规则将文档分割为多个部分并进行标识。
作为一种元标记语言，XML还定义了用于构建其他特定领域、具有语义和结构化特征的标记语言的语法。
Python解析XML的三种方法
Python对XML的解析
常见的XML编程接口包括DOM和SAX，两者处理XML文件的方式各异，适用场景也有所不同。
Python提供了三种解析XML的方法：SAX、DOM以及ElementTree。
1. SAX (simple API for XML)
Python标准库内置了SAX解析器。SAX采用事件驱动模型，在解析XML文件时触发一系列事件，并调用用户定义的回调函数来处理数据。
2. DOM (Document Object Model)
DOM将XML数据在内存中解析为一棵树，通过操作这棵树来读写XML内容。
本章节使用的XML示例文件movies.xml内容如下：
<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解析器详解
Python使用SAX解析XML
SAX是一种基于事件驱动的API。
使用SAX解析XML文档涉及两个核心部分：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（如元素开始和结束事件）。
事件处理器则负责响应这些事件，对传递过来的XML数据进行处理。
- 1、适用于处理大型文件；
- 2、只需获取文件部分内容，或仅需从文件中提取特定信息时；
- 3、希望构建自定义对象模型时。
在Python中使用SAX方式处理XML，需先引入xml.sax模块中的parse函数，以及xml.sax.handler模块中的ContentHandler。
ContentHandler类方法介绍
characters(content) 方法
调用时机：
从行开始到遇到标签之前，若存在字符，content的值即为这些字符串。
从一个标签结束到下一个标签开始之前，若存在字符，content的值即为这些字符串。
从一个标签结束到行结束符之前，若存在字符，content的值即为这些字符串。
上述标签既可以是开始标签，也可以是结束标签。
startDocument() 方法
在文档启动时调用。
endDocument() 方法
当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为标签名称，attrs为标签属性值的字典。
endElement(name) 方法
遇到XML结束标签时调用。
make_parser 方法
以下方法用于创建一个新的解析器对象并返回。
xml.sax.make_parser( [parser_list] )参数说明:
- parser_list - 可选参数，解析器列表
parser 方法
以下方法创建一个SAX解析器并解析xml文档：
xml.sax.parse( xmlfile, contenthandler[, errorhandler])参数说明:
- 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
parseString 方法
parseString方法创建一个XML解析器并解析xml字符串：
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])参数说明:
- 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
Python解析XML实例
#!/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 = ""
# 元素开始调用
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# 元素结束调用
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 = ""
# 读取字符时调用
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__"):
# 创建一个 XMLReader
parser = xml.sax.make_parser()
# 关闭命名空间
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写 ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")以上代码执行结果如下：
*****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
完整的SAX API文档请查阅Python SAX APIs
DOM解析器详解
使用xml.dom解析xml
文件对象模型（Document Object Model，简称DOM）是W3C组织推荐的处理可扩展置标语言的标准编程接口。
DOM解析器在解析XML文档时，会一次性读取整个文档，将文档中所有元素保存在内存中的一个树结构中。之后，你可以利用DOM提供的不同函数来读取或修改文档的内容和结构，也可以将修改后的内容写入xml文件。
Python中使用xml.dom.minidom来解析xml文件，实例如下：
#!/usr/bin/python3
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("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("Root element : %s" % collection.getAttribute("shelf"))
# 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
for movie in movies:
print ("*****Movie*****")
if movie.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)
rating = movie.getElementsByTagName('rating')[0]
print ("Rating: %s" % rating.childNodes[0].data)
description = movie.getElementsByTagName('description')[0]
print ("Description: %s" % description.childNodes[0].data)以上程序执行结果如下：
Root element : New Arrivals *****Movie***** Title: Enemy Behind Type: War, Thriller Format: DVD Rating: PG Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Rating: R Description: A schientific fiction *****Movie***** Title: Trigun Type: Anime, Action Format: DVD Rating: PG Description: Vash the Stampede! *****Movie***** Title: Ishtar Type: Comedy Format: VHS Rating: PG Description: Viewable boredom
完整的DOM API文档请查阅Python DOM APIs。
以上就是Python如何对XML解析的详细内容，更多关于Python对XML解析的资料请关注本站其它相关文章！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
