Python使用sax模块解析XML文件示例

半杯拿铁

发布时间：2026-10-11 | 3人浏览过

原创

本文介绍如何使用Python内置的sax模块解析XML文件。通过继承sax.ContentHandler类，重写startElement、characters和endElement方法，实现对XML节点和内容的逐行处理。文章包含完整的MovieHandler类定义及解析调用代码，适用于需要流式处理大型XML文件的场景。

Python使用sax模块解析XML文件示例

在Python中，sax模块是处理XML文件的常用工具之一，特别适合处理大型文件，因为它采用事件驱动的方式逐行解析，内存占用低。以下示例展示了如何定义一个处理器类来提取XML中的特定字段。

XML数据结构

假设我们有一个包含电影信息的XML文件，结构如下：

<?xml version="1.0"?>
<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>

Python解析代码实现

为了实现解析，我们需要创建一个继承自sax.ContentHandler的类。该类需要重写几个关键方法来处理XML的不同部分：

startDocument：文档解析开始时调用。
startElement：遇到开始标签时调用，用于识别当前处理的元素。
characters：处理标签内的文本内容。
endElement：遇到结束标签时调用，用于输出或存储提取的数据。
endDocument：文档解析结束时调用。

以下是完整的Python代码示例：

from xml import sax
class MovieHandler(sax.ContentHandler):
  def __init__(self):
    # 初始化数据，并增加一个当前数据
    self.CurrentData = ""
    self.type = ""
    self.format = ""
    self.year = ""
    self.rating = ""
    self.stars = ""
    self.description = ""
  # 文档启动的时候调用
  def startDocument(self):
    print('XML开始解析中...')
  # 元素开始事件处理
  def startElement(self, name, attrs):
    self.CurrentData=name
    if self.CurrentData=='movie':
      print('*********movie*********')
      title=attrs['title']
      print('Title:{0}'.format(title))
  # 内容事件处理
  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
  # 元素结束事件处理
  def endElement(self, name):
    if self.CurrentData=='type':
      print('Type:{0}'.format(self.type))
    elif self.CurrentData=='format':
      print('Format:{0}'.format(self.format))
    elif self.CurrentData=='year':
      print('Year:{0}'.format(self.year))
    elif self.CurrentData == 'rating':
      print('Rating:{0}'.format(self.rating))
    elif self.CurrentData == 'stars':
      print('Stars:{0}'.format(self.stars))
    elif self.CurrentData == 'description':
      print('Description:{0}'.format(self.description))
    self.CurrentData = ""
  # 文档结束的时候调用
  def endDocument(self):
    print('XML文档解析结束!')
if __name__=='__main__':
  handler=MovieHandler()
  parser = sax.make_parser()
  # parser.setFeature(sax.handler.feature_namespaces, 0)
  parser.setContentHandler(handler)
  parser.parse("sax_test.xml")

代码说明

在MovieHandler类中，__init__方法用于初始化变量。startElement方法用于识别当前处理的元素名称，如果是movie标签，则提取其title属性。characters方法用于处理标签内的文本内容，根据当前元素名称将内容存储到对应的变量中。endElement方法在遇到结束标签时调用，用于输出或存储提取的数据。最后，通过sax.make_parser()创建解析器，设置内容处理器，并调用parse方法解析指定的XML文件。

以上就是Python使用sax模块解析XML文件示例的详细内容，更多关于Python XML解析的资料请关注本站其它相关文章！