python如何解析xml？内置xml解析接口介绍！

2021-07-13 09:50:16 浏览数 (40)

很多小伙伴们听过HTML，听过python，听过JavaScript这些语言的名字，但对于XML这个名字可能会有些生疏，也不知道他应该用在什么地方，有什么用。实际上，XML的应用非常广泛，最常见的作用就是作为项目部署文件存储一些设置数据，另外一种用途就是在Ajax

中传输数据。另外，HTML本质上也可以算做一种XML的分支。今天小编的要介绍的内容，就是python如何使用XML，更准确的说，是python如何解析xml。

XML介绍

XML的全称叫可拓展标记语言（eXtensible Markup Language），是一种用标签标记文本使其具有一定结构性的语言。它的最常见的用途主要是数据的存储和传输。数据传输方面一般是Ajax的应用，而数据存储一般是存储一些带有结构的数据或者应用配置等。

它的近亲HTML一般是做文本的存储和表达，通过标签决定文本的展示样式。由于XML是可定制化的，所以实际上HTML可以认为是一种特殊的XML语言。

 关于XML应用于应用配置的实际案例，java web就是一个很好的例子，java web的webapp中有一个web.xml文件，这个·文件可以配置servlet的映射等功能，这就是一个典型的XML的应用案例。

XML解析

由上我们可以得知XML是用来存储数据的，而获取XML中的数据的过程我们称为XML解析。常见的XML解析方式主要有两种，分别为DOM和SAX，另外python还提供了第三种解析方法（ElementTree）。我们接下来就以下面的XML代码为例来详细介绍这三种方法。

<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

Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，通过在解析 XML 的过程中触发一个个的事件并调用用户定义的回调函数来处理 XML 文件。

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")

DOM解析

DOM的全称为文件对象模型（Document Object Model），是W3C组织推荐的处理可扩展置标语言的标准编程接口。

一个 DOM 的解析器在解析一个 XML 文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后你可以利用DOM 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入xml文件。

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)

 对于DOM的应用最多的，应该是HTML，因为HTML的DOM基本是每个前端必须学习的内容，JavaScript操作HTML的时候也是使用DOM方法，浏览器渲染的时候也是使用DOM进行渲染的。所以对前端感兴趣的小伙伴小编建议学习一下DOM方法（虽然是python的，但JavaScript的DOM方法和用法与python是类似的）。

ElementTree解析

这是python独有的一种XML解析方法，他通过生成一个元素树的方式来解析一个xml文件，然后通过类似树的访问方式进行数据的操作。在构建方式上有点类似DOM。在使用方式生更接近于树的操作。

import xml.etree.ElementTree as ET

tree = ET.parse("movies.xml")
root = tree.getroot()
print(root.tag, ":", root.attrib)  # 打印根元素的tag和属性

# 遍历xml文档的第二层
for child in root:
    # 第二层节点的标签名称和属性
    print(child.tag,":", child.attrib) 
    # 遍历xml文档的第三层
    for children in child:
        # 第三层节点的标签名称和属性
        print(children.tag, ":", children.attrib)

XML解析的应用

XML解析的应用主要有三个方向：

  1. 在Ajax中，可以使用XML进行数据的传输，这时候就要要求接收数据方能够解析XML了。
  2. 当XML作为数据存储介质或者部署文件时，获取数据离不开XML的解析。
  3. 实际上小编写这篇文章的目的在于这第三点的应用，也就是解析HTML网页，之前我们说了，HTML和XML具有一定的相似度。实际上，解析XML也可以用在HTML的解析上，小编这里并不是要实现什么浏览器渲染引擎，而是另一个需要解析HTML文件的地方——爬虫。爬虫需要爬取网页的数据并获取特定的HTML元素，这就要求爬虫能够操作HTML文档，最好的操作方式就是通过XML进行。

小结

以上就是python如何解析XML的全部内容。关于XML的全部介绍，一篇短短的文章是介绍不完的，小编这里参考了以下资料，小伙伴们可以自行前往学习！

Python3 XML解析

XML教程

XML DOM教程


Python

1 人点赞