python實(shí)現(xiàn)XML解析的方法解析
這篇文章主要介紹了python實(shí)現(xiàn)XML解析的方法解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
三種方法:一是xml.dom.*模塊,它是W3C DOM API的實(shí)現(xiàn),若需要處理DOM API則該模塊很適合;二是xml.sax.*模塊,它是SAX API的實(shí)現(xiàn),這個(gè)模塊犧牲了便捷性來換取速度和內(nèi)存占用,SAX是一個(gè)基于事件的API,這就意味著它可以“在空中”處理龐大數(shù)量的的文檔,不用完全加載進(jìn)內(nèi)存;三是xml.etree.ElementTree模塊(簡稱 ET),它提供了輕量級(jí)的Python式的API,相對(duì)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(duì)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(gè)文檔到內(nèi)存,ET的性能的平均值和SAX差不多,但是API的效率更高一點(diǎn)而且使用起來很方便。
1、DOM(Document Object Model)
一個(gè) DOM 的解析器在解析一個(gè) XML 文檔時(shí),一次性讀取整個(gè)文檔,把文檔中所有元素保存在內(nèi)存中的一個(gè)樹結(jié)構(gòu)里,之后你可以利用DOM 提供的不同的函數(shù)來讀取或修改文檔的內(nèi)容和結(jié)構(gòu),也可以把修改過的內(nèi)容寫入xml文件。
python中用xml.dom.minidom來解析xml文件。
本文使用的示例文件movie.xml內(nèi)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(shí)現(xiàn)如下
# !/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("movie.xml")
#得到元素對(duì)象
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print("Root element : %s" % collection.getAttribute("shelf"))
#獲取標(biāo)簽名
#print(collection.nodeName)
# 在集合中獲取所有電影
movies = collection.getElementsByTagName("movie")
# 打印每部電影的詳細(xì)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)
year=movie.getElementsByTagName("year")
if len(year)>0:
print("Year: %s" % year[0].firstChild.data)
#父節(jié)點(diǎn) 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(biāo)簽對(duì)之間的數(shù)據(jù)
print("Description: %s" % description.childNodes[0].data)
#print("Description: %s" % description.firstChild.data)
執(zhí)行結(jié)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(gè)輕量級(jí)的DOM,具有方便友好的API。代碼可用性好,速度快,消耗內(nèi)存少。
在python中,解析xml文件時(shí),會(huì)選用ElementTree或者cElementTree,那么兩者有什么不同呢?
1、cElementTree速度上要比ElementTree快,比較cElementTree是用c語音寫的;
2、debug調(diào)試的時(shí)候,cElementTree是看不到解析的字段內(nèi)容的,所以不適合用于調(diào)試的情況,而ElementTree可以看到解析的內(nèi)容,方便調(diào)試時(shí)取值
3、在用到iter,迭代取某個(gè)標(biāo)簽時(shí),cElementTree不能用,因?yàn)樗鼪]有這個(gè)函數(shù),而ElementTree有這個(gè)函數(shù);當(dāng)然可能還有其他函數(shù)的差異
所有平時(shí),我們一般這么用,比較速度快嗎。調(diào)試的時(shí)候使用ElementTree。遇到某些特別的函數(shù),只能選擇擁有這個(gè)函數(shù)的使用
try:
import xml.etree.cElementTree as ET
except:
import xml.etree.ElementTree as ET
從Python3.3開始ElementTree模塊會(huì)自動(dòng)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(jié)點(diǎn)
root = tree.getroot()
except Exception as e: # 捕獲除與程序退出sys.exit()相關(guān)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(biāo)簽
#print(root.tag, ":", root.attrib)
return root
if __name__ == "__main__":
xmlFilePath = os.path.abspath("movie.xml")
root=readXml(xmlFilePath)
# # 使用下標(biāo)訪問
# print(root[0][0].text)
# print(root[1][2].text)
#根據(jù)標(biāo)簽名查找root下的所有標(biāo)簽
# movies=root.findall("movie")
#遍歷子標(biāo)簽
# print(len(movies))
# for movie in movies:
# type=movie.find("type")
# print(type.text)
# 遍歷xml文件
traverseXml(root)
3、SAX (simple API for XML )
Python 標(biāo)準(zhǔn)庫包含 SAX 解析器,SAX 用事件驅(qū)動(dòng)模型,通過在解析XML的過程中觸發(fā)一個(gè)個(gè)的事件并調(diào)用用戶定義的回調(diào)函數(shù)來處理XML文件。
SAX是一種基于事件驅(qū)動(dòng)的 API。
利用SAX解析XML文檔牽涉到兩個(gè)部分: 解析器和事件處理器。
解析器負(fù)責(zé)讀取XML文檔,并向事件處理器發(fā)送事件,如元素開始跟元素結(jié)束事件。
而事件處理器則負(fù)責(zé)對(duì)事件作出響應(yīng),對(duì)傳遞的XML數(shù)據(jù)進(jìn)行處理。
- 1、對(duì)大型文件進(jìn)行處理;
- 2、只需要文件的部分內(nèi)容,或者只需從文件中得到特定信息。
- 3、想建立自己的對(duì)象模型的時(shí)候。
在python中使用sax方式處理xml要先引入xml.sax中的parse函數(shù),還有xml.sax.handler中的ContentHandler。
ContentHandler類方法介紹
characters(content)方法
調(diào)用時(shí)機(jī):
從行開始,遇到標(biāo)簽之前,存在字符,content 的值為這些字符串。
從一個(gè)標(biāo)簽,遇到下一個(gè)標(biāo)簽之前, 存在字符,content 的值為這些字符串。
從一個(gè)標(biāo)簽,遇到行結(jié)束符之前,存在字符,content 的值為這些字符串。
標(biāo)簽可以是開始標(biāo)簽,也可以是結(jié)束標(biāo)簽。
startDocument() 方法
文檔啟動(dòng)的時(shí)候調(diào)用。
endDocument() 方法
解析器到達(dá)文檔結(jié)尾時(shí)調(diào)用。
startElement(name, attrs)方法
遇到XML開始標(biāo)簽時(shí)調(diào)用,name是標(biāo)簽的名字,attrs是標(biāo)簽的屬性值字典。
endElement(name) 方法
遇到XML結(jié)束標(biāo)簽時(shí)調(diào)用。
#!/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(jié)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(nèi)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__"):
# 創(chuàng)建一個(gè) 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(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
PyG搭建GCN需要準(zhǔn)備的數(shù)據(jù)格式
這篇文章主要為大家介紹了PyG搭建GCN前需要準(zhǔn)備的PyG數(shù)據(jù)格式,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-05-05
pycharm實(shí)現(xiàn)print輸出保存到txt文件
這篇文章主要介紹了pycharm實(shí)現(xiàn)print輸出保存到txt文件,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-06-06
Python實(shí)現(xiàn)的單向循環(huán)鏈表功能示例
這篇文章主要介紹了Python實(shí)現(xiàn)的單向循環(huán)鏈表功能,簡單描述了單向循環(huán)鏈表的概念、原理并結(jié)合實(shí)例形式分析了Python定義與使用單向循環(huán)鏈表的相關(guān)操作技巧,需要的朋友可以參考下2017-11-11
python實(shí)現(xiàn)可視化動(dòng)態(tài)CPU性能監(jiān)控
這篇文章主要為大家詳細(xì)介紹了python可視化動(dòng)態(tài)CPU性能監(jiān)控,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-06-06
關(guān)于python爬蟲應(yīng)用urllib庫作用分析
這篇文章主要介紹了關(guān)于python爬蟲應(yīng)用urllib庫作用分析,想要進(jìn)行python爬蟲首先我們需要先將網(wǎng)頁上面的信息給獲取下來,這就是utllib庫的作用,有需要的朋友可以借鑒參考下2021-09-09
舉例講解Python中的算數(shù)運(yùn)算符的用法
這篇文章主要介紹了舉例講解Python中的算數(shù)運(yùn)算符的用法,是Python學(xué)習(xí)當(dāng)中的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-05-05
解決python報(bào)錯(cuò)ImportError:urllib3?v2.0?only?supports?OpenSSL
這篇文章主要介紹了解決python報(bào)錯(cuò)ImportError:urllib3?v2.0?only?supports?OpenSSL?1.1.1+的相關(guān)資料,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-12-12

