用Python解析XML的幾種常見方法的介紹

2019-11-25 17:47:26

字體：大中小

來源：轉載

供稿：網友

一、簡介

XML（eXtensible Markup Language）指可擴展標記語言，被設計用來傳輸和存儲數據，已經日趨成為當前許多新生技術的核心，在不同的領域都有著不同的應用。它是web發展到一定階段的必然產物，既具有SGML的核心特征，又有著HTML的簡單特性，還具有明確和結構良好等許多新的特性。
python解析XML常見的有三種方法：一是xml.dom.*模塊，它是W3C DOM API的實現，若需要處理DOM API則該模塊很適合，注意xml.dom包里面有許多模塊，須區分它們間的不同；二是xml.sax.*模塊，它是SAX API的實現，這個模塊犧牲了便捷性來換取速度和內存占用，SAX是一個基于事件的API，這就意味著它可以“在空中”處理龐大數量的的文檔，不用完全加載進內存；三是xml.etree.ElementTree模塊（簡稱 ET），它提供了輕量級的Python式的API，相對于DOM來說ET 快了很多，而且有很多令人愉悅的API可以使用，相對于SAX來說ET的ET.iterparse也提供了 “在空中” 的處理方式，沒有必要加載整個文檔到內存，ET的性能的平均值和SAX差不多，但是API的效率更高一點而且使用起來很方便。
二、詳解

解析的xml文件（country.xml）：
在CODE上查看代碼片派生到我的代碼片

  <?xml version="1.0"?>   <data>     <country name="Singapore">       <rank>4</rank>       <year>2011</year>       <gdppc>59900</gdppc>       <neighbor name="Malaysia" direction="N"/>     </country>     <country name="Panama">       <rank>68</rank>       <year>2011</year>       <gdppc>13600</gdppc>       <neighbor name="Costa Rica" direction="W"/>       <neighbor name="Colombia" direction="E"/>     </country>   </data>

1、xml.etree.ElementTree

ElementTree生來就是為了處理XML，它在Python標準庫中有兩種實現：一種是純Python實現的，如xml.etree.ElementTree，另一種是速度快一點的xml.etree.cElementTree。注意：盡量使用C語言實現的那種，因為它速度更快，而且消耗的內存更少。
在CODE上查看代碼片派生到我的代碼片

  try:     import xml.etree.cElementTree as ET   except ImportError:     import xml.etree.ElementTree as ET

這是一個讓Python不同的庫使用相同API的一個比較常用的辦法，而從Python 3.3開始ElementTree模塊會自動尋找可用的C庫來加快速度，所以只需要import xml.etree.ElementTree就可以了。
在CODE上查看代碼片派生到我的代碼片

  #!/usr/bin/evn python   #coding:utf-8      try:     import xml.etree.cElementTree as ET   except ImportError:     import xml.etree.ElementTree as ET   import sys      try:     tree = ET.parse("country.xml")     #打開xml文檔     #root = ET.fromstring(country_string) #從字符串傳遞xml     root = tree.getroot()         #獲得root節點    except Exception, e:     print "Error:cannot parse file:country.xml."     sys.exit(1)   print root.tag, "---", root.attrib    for child in root:     print child.tag, "---", child.attrib      print "*"*10   print root[0][1].text   #通過下標訪問   print root[0].tag, root[0].text   print "*"*10      for country in root.findall('country'): #找到root節點下的所有country節點     rank = country.find('rank').text   #子節點下節點rank的值     name = country.get('name')      #子節點下屬性name的值     print name, rank         #修改xml文件   for country in root.findall('country'):     rank = int(country.find('rank').text)     if rank > 50:       root.remove(country)      tree.write('output.xml')

運行結果：

201549105948952.png (509×377)

參考：https://docs.python.org/2/library/xml.etree.elementtree.html
2、xml.dom.*

文件對象模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴展置標語言的標準編程接口。一個 DOM 的解析器在解析一個XML文檔時，一次性讀取整個文檔，把文檔中所有元素保存在內存中的一個樹結構里，之后你可以利用DOM 提供的不同的函數來讀取或修改文檔的內容和結構，也可以把修改過的內容寫入xml文件。python中用xml.dom.minidom來解析xml文件，例子如下：
在CODE上查看代碼片派生到我的代碼片

  #!/usr/bin/python   #coding=utf-8      from xml.dom.minidom import parse   import xml.dom.minidom      # 使用minidom解析器打開XML文檔   DOMTree = xml.dom.minidom.parse("country.xml")   Data = DOMTree.documentElement   if Data.hasAttribute("name"):     print "name element : %s" % Data.getAttribute("name")      # 在集合中獲取所有國家   Countrys = Data.getElementsByTagName("country")      # 打印每個國家的詳細信息   for Country in Countrys:     print "*****Country*****"     if Country.hasAttribute("name"):      print "name: %s" % Country.getAttribute("name")        rank = Country.getElementsByTagName('rank')[0]     print "rank: %s" % rank.childNodes[0].data     year = Country.getElementsByTagName('year')[0]     print "year: %s" % year.childNodes[0].data     gdppc = Country.getElementsByTagName('gdppc')[0]     print "gdppc: %s" % gdppc.childNodes[0].data        for neighbor in Country.getElementsByTagName("neighbor"):        print neighbor.tagName, ":", neighbor.getAttribute("name"), neighbor.getAttribute("direction")

運行結果：

201549110124853.png (486×264)

參考：https://docs.python.org/2/library/xml.dom.html

3、xml.sax.*

SAX是一種基于事件驅動的API，利用SAX解析XML牽涉到兩個部分：解析器和事件處理器。其中解析器負責讀取XML文檔，并向事件處理器發送事件，如元素開始跟元素結束事件；而事件處理器則負責對事件作出相應，對傳遞的XML數據進行處理。python中使用sax方式處理xml要先引入xml.sax中的parse函數，還有xml.sax.handler中的ContentHandler。常使用在如下的情況下：一、對大型文件進行處理；二、只需要文件的部分內容，或者只需從文件中得到特定信息；三、想建立自己的對象模型的時候。
ContentHandler類方法介紹
（1）characters(content)方法
調用時機：
從行開始，遇到標簽之前，存在字符，content的值為這些字符串。
從一個標簽，遇到下一個標簽之前，存在字符，content的值為這些字符串。
從一個標簽，遇到行結束符之前，存在字符，content的值為這些字符串。
標簽可以是開始標簽，也可以是結束標簽。
（2）startDocument()方法
文檔啟動的時候調用。
（3）endDocument()方法
解析器到達文檔結尾時調用。
（4）startElement(name, attrs)方法
遇到XML開始標簽時調用，name是標簽的名字，attrs是標簽的屬性值字典。
（5）endElement(name)方法
遇到XML結束標簽時調用。
在CODE上查看代碼片派生到我的代碼片

  #coding=utf-8   #!/usr/bin/python      import xml.sax      class CountryHandler(xml.sax.ContentHandler):     def __init__(self):      self.CurrentData = ""      self.rank = ""      self.year = ""      self.gdppc = ""      self.neighborname = ""      self.neighbordirection = ""        # 元素開始事件處理     def startElement(self, tag, attributes):      self.CurrentData = tag      if tag == "country":        print "*****Country*****"        name = attributes["name"]        print "name:", name      elif tag == "neighbor":        name = attributes["name"]        direction = attributes["direction"]        print name, "->", direction        # 元素結束事件處理     def endElement(self, tag):      if self.CurrentData == "rank":        print "rank:", self.rank      elif self.CurrentData == "year":        print "year:", self.year      elif self.CurrentData == "gdppc":        print "gdppc:", self.gdppc      self.CurrentData = ""        # 內容事件處理     def characters(self, content):      if self.CurrentData == "rank":        self.rank = content      elif self.CurrentData == "year":        self.year = content      elif self.CurrentData == "gdppc":        self.gdppc = content       if __name__ == "__main__":      # 創建一個 XMLReader     parser = xml.sax.make_parser()     # turn off namepsaces     parser.setFeature(xml.sax.handler.feature_namespaces, 0)         # 重寫 ContextHandler     Handler = CountryHandler()     parser.setContentHandler(Handler)          parser.parse("country.xml")

運行結果：

201549110218145.png (471×264)

4、libxml2和lxml解析xml

libxml2是使用C語言開發的xml解析器，是一個基于MIT License的免費開源軟件，多種編程語言都有基于它的實現，python中的libxml2模塊有點小不足的是：xpathEval()接口不支持類似模板的用法，但不影響使用，因libxml2采用C語言開發的，因此在使用API接口的方式上難免會有點不適應。
在CODE上查看代碼片派生到我的代碼片

  #!/usr/bin/python   #coding=utf-8      import libxml2      doc = libxml2.parseFile("country.xml")   for book in doc.xpathEval('//country'):     if book.content != "":       print "----------------------"       print book.content   for node in doc.xpathEval("http://country/neighbor[@name = 'Colombia']"):     print node.name, (node.properties.name, node.properties.content)   doc.freeDoc()

201549110301575.png (457×318)

lxml是以libxml2為基礎采用python語言開發的，從使用層面上說比lxml更適合python開發者，且xpath()接口支持類似模板的用法。
在CODE上查看代碼片派生到我的代碼片

  #!/usr/bin/python   #coding=utf-8      import lxml.etree       doc = lxml.etree.parse("country.xml")    for node in doc.xpath("http://country/neighbor[@name = $name]", name = "Colombia"):      print node.tag, node.items()   for node in doc.xpath("http://country[@name = $name]", name = "Singapore"):      print node.tag, node.items()

201549110332839.png (513×57)