python實現XML解析的方法解析
這篇文章主要介紹了python實現XML解析的方法解析,文中通過示例程式碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
三種方法:一是xml.dom.*模組,它是W3C DOM API的實現,若需要處理DOM API則該模組很適合;二是xml.sax.*模組,它是SAX API的實現,這個模組犧牲了便捷性來換取速度和記憶體佔用,SAX是一個基於事件的API,這就意味著它可以“在空中”處理龐大數量的的文件,不用完全載入進記憶體;三是xml.etree.ElementTree模組(簡稱 ET),它提供了輕量級的Python式的API,相對於DOM來說ET 快了很多,而且有很多令人愉悅的API可以使用,相對於SAX來說ET的ET.iterparse也提供了 “在空中” 的處理方式,沒有必要載入整個文件到記憶體,ET的效能的平均值和SAX差不多,但是API的效率更高一點而且使用起來很方便。
1、DOM(Document Object Model)
一個 DOM 的解析器在解析一個 XML 文件時,一次性讀取整個文件,把文件中所有元素儲存在記憶體中的一個樹結構裡,之後你可以利用DOM 提供的不同的函式來讀取或修改文件的內容和結構,也可以把修改過的內容寫入xml檔案。
python中用xml.dom.minidom來解析xml檔案。
本文使用的示例檔案movie.xml內容如下
<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>
python實現如下
# !/usr/bin/python # -*- coding: UTF-8 -*- from xml.dom.minidom import parse import xml.dom.minidom # 使用minidom解析器開啟 XML 文件 DOMTree = xml.dom.minidom.parse("movie.xml") #得到元素物件 collection = DOMTree.documentElement if collection.hasAttribute("shelf"): print("Root element : %s" % collection.getAttribute("shelf")) #獲取標籤名 #print(collection.nodeName) # 在集合中獲取所有電影 movies = collection.getElementsByTagName("movie") # 列印每部電影的詳細資訊 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) year=movie.getElementsByTagName("year") if len(year)>0: print("Year: %s" % year[0].firstChild.data) #父節點 parentNode #print(year[0].parentNode.nodeName) rating = movie.getElementsByTagName('rating')[0] print("Rating: %s" % rating.childNodes[0].data) description = movie.getElementsByTagName('description')[0] # 顯示標籤對之間的資料 print("Description: %s" % description.childNodes[0].data) #print("Description: %s" % description.firstChild.data)
執行結果:
Root element : New Arrivals *****Movie***** Title: Enemy Behind Type: War,Thriller Format: DVD Year: 2003 Rating: PG Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime,Science Fiction Format: DVD Year: 1989 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
2、ElementTree(元素樹)
ElementTree就像一個輕量級的DOM,具有方便友好的API。程式碼可用性好,速度快,消耗記憶體少。
在python中,解析xml檔案時,會選用ElementTree或者cElementTree,那麼兩者有什麼不同呢?
1、cElementTree速度上要比ElementTree快,比較cElementTree是用c語音寫的;
2、debug除錯的時候,cElementTree是看不到解析的欄位內容的,所以不適合用於除錯的情況,而ElementTree可以看到解析的內容,方便除錯時取值
3、在用到iter,迭代取某個標籤時,cElementTree不能用,因為它沒有這個函式,而ElementTree有這個函式;當然可能還有其他函式的差異
所有平時,我們一般這麼用,比較速度快嗎。除錯的時候使用ElementTree。遇到某些特別的函式,只能選擇擁有這個函式的使用
try:
import xml.etree.cElementTree as ET
except:
import xml.etree.ElementTree as ET
從Python3.3開始ElementTree模組會自動尋找可用的C庫來加快速度
import xml.etree.ElementTree as ET import sys import os.path def traverseXml(element): #print (len(element)) if len(element) > 0: for child in element: print("********Movie********") print("Title:",child.get("title")) for childchild in child: print(childchild.tag,":",childchild.text) #traverseXml(child) #else: # print (element.tag,"----",element.attrib) def readXml(xmlFile): try: tree = ET.parse(xmlFile) #print("tree type:",type(tree)) # 獲得根節點 root = tree.getroot() except Exception as e: # 捕獲除與程式退出sys.exit()相關之外的所有異常 print("parse ***.xml fail!") sys.exit() #print("root type:",type(root)) #root.attrib訪問root屬性,root.tag標籤 #print(root.tag,root.attrib) return root if __name__ == "__main__": xmlFilePath = os.path.abspath("movie.xml") root=readXml(xmlFilePath) # # 使用下標訪問 # print(root[0][0].text) # print(root[1][2].text) #根據標籤名查詢root下的所有標籤 # movies=root.findall("movie") #遍歷子標籤 # print(len(movies)) # for movie in movies: # type=movie.find("type") # print(type.text) # 遍歷xml檔案 traverseXml(root)
3、SAX (simple API for XML )
Python 標準庫包含 SAX 解析器,SAX 用事件驅動模型,通過在解析XML的過程中觸發一個個的事件並呼叫使用者定義的回撥函式來處理XML檔案。
SAX是一種基於事件驅動的 API。
利用SAX解析XML文件牽涉到兩個部分: 解析器和事件處理器。
解析器負責讀取XML文件,並向事件處理器傳送事件,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響應,對傳遞的XML資料進行處理。
- 1、對大型檔案進行處理;
- 2、只需要檔案的部分內容,或者只需從檔案中得到特定資訊。
- 3、想建立自己的物件模型的時候。
在python中使用sax方式處理xml要先引入xml.sax中的parse函式,還有xml.sax.handler中的ContentHandler。
ContentHandler類方法介紹
characters(content)方法
呼叫時機:
從行開始,遇到標籤之前,存在字元,content 的值為這些字串。
從一個標籤,遇到下一個標籤之前, 存在字元,content 的值為這些字串。
從一個標籤,遇到行結束符之前,存在字元,content 的值為這些字串。
標籤可以是開始標籤,也可以是結束標籤。
startDocument() 方法
文件啟動的時候呼叫。
endDocument() 方法
解析器到達文件結尾時呼叫。
startElement(name,attrs)方法
遇到XML開始標籤時呼叫,name是標籤的名字,attrs是標籤的屬性值字典。
endElement(name) 方法
遇到XML結束標籤時呼叫。
#!/usr/bin/python # -*- coding: UTF-8 -*- 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 = "" # 元素開始事件處理 def startElement(self,tag,attributes): self.CurrentData = tag if tag == "movie": print("*****Movie*****") title = attributes["title"] print("Title:",title) # 元素結束事件處理 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 = "" # 內容事件處理 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 if (__name__ == "__main__"): # 建立一個 XMLReader parser = xml.sax.make_parser() # turn off namepsaces parser.setFeature(xml.sax.handler.feature_namespaces,0) # 重寫 ContextHandler Handler = MovieHandler() parser.setContentHandler(Handler) parser.parse("movie.xml")
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。