什么是 XML？

XML（可扩展标记语言，Extensible Markup Language）是一种用于表示和传输数据的标记语言。它被设计用来以一种结构化的形式描述文档的内容，并且具有良好的跨平台和跨语言的特性。XML使用标签来定义数据的结构，并可以通过自定义标签来适应各种不同的应用领域。

XML的主要特点包括：

• 可扩展性：XML允许用户自定义标签，因此可以根据不同需求灵活扩展和定义数据结构。
• 适应性：XML可以用于描述各种不同类型的数据，包括文本、图像、音频、视频等多媒体数据。
• 平台无关性：XML是一种纯文本格式，不依赖于任何特定的硬件或软件平台。
• 易于阅读和编写：XML文档使用标签进行结构化表示，使其易于人类阅读和编辑。
• 广泛应用：XML在诸如Web服务（Web Services）、配置文件、数据交换等领域得到广泛应用。

通常，在XML中，数据以标签（tag）的形式包裹，并且可以使用属性（attributes）来提供更多的信息。下面是一个简单的XML示例：

<person><name>John Doe</name><age>30</age><gender>Male</gender>
</person>

这段XML描述了一个人员信息，包括姓名、年龄和性别。XML的灵活性和通用性使其成为数据交换、配置文件、Web服务等领域中常用的数据表示格式。

Python 对 XML 的解析方案

常见的 XML 编程接口有 DOM 和 SAX，这两种接口处理 XML 文件的方式不同，当然使用场合也不同。

Python 有三种方法解析 XML：ElementTree、SAX 以及 DOM。

1. ElementTree
   xml.etree.ElementTree 是 Python 标准库中用于处理 XML 的模块，它提供了简单而高效的 API，用于解析和生成 XML 文档。

2. SAX (simple API for XML )
   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。

3. DOM(Document Object Model)
   将 XML 数据在内存中解析成一个树，通过对树的操作来操作 XML。

后面用到的实例文件：

<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 使用 ElementTree 解析 xml

xml.etree.ElementTree 是 Python 标准库中用于处理 XML 的模块。

以下是 xml.etree.ElementTree 模块的一些关键概念和用法：

ElementTree 和 Element 对象:

• ElementTree： ElementTree 类是 XML 文档的树形表示。它包含一个或多个 Element 对象，代表整个 XML 文档。
• Element： Element 对象是 XML 文档中元素的表示。每个元素都有一个标签、一组属性和零个或多个子元素。

接下来，让我们分步进行解释：

解析 XML

首先，需要导入 ElementTree 模块，并使用 ET.parse() 方法加载 XML 文件。

本例中文件名为 example.xml。

使用 ET.parse() 方法加载 XML 文件，并使用 getroot() 方法获取 XML 树的根元素 root。

import xml.etree.ElementTree as ETtree = ET.parse('example.xml')
root = tree.getroot()

遍历 XML 树

要遍历 XML 树，可以使用循环来遍历子元素。每个元素都有标签名 (tag)、属性 (attrib) 和文本内容 (text)。

for movie in root.findall('movie'):title = movie.get('title')print(f"Movie title: {title}")description = movie.find('description').textprint(f"Description: {description}")format = movie.find('format').textprint(f"Format: {format}")

在上面的示例中，使用 findall('movie') 方法遍历所有 movie 元素。然后，我们使用 get('title') 获取电影的标题属性，以及 find('description').text 获取描述子元素的文本内容，以及格式等。

访问元素属性和文本

• 使用 get('attr_name') 方法来访问元素的属性。
• 使用 find('subelement') 方法来获取子元素，然后使用 .text 属性来获取子元素的文本内容。

创建 XML 元素

要创建新的 XML 元素，可以使用 ET.SubElement() 方法，并将其附加到父元素中。

new_movie = ET.SubElement(root, 'movie')
new_movie.set('title', 'New Movie Title')new_description = ET.SubElement(new_movie, 'description')
new_description.text = 'Exciting new movie'

上面的例子中，我们创建了一个新的 movie 元素，并设置了它的标题属性和描述子元素的文本内容。

修改和删除 XML 元素

要修改现有元素的属性或文本内容，只需直接对相应的属性进行赋值操作即可。要删除元素，可以使用 remove() 方法。

# 修改元素属性
movie.set('title', 'New Title')# 修改子元素文本内容
description.text = 'New description'# 删除元素
root.remove(movie)

简单读取 XML 内容：

import xml.etree.ElementTree as ET# 定义一个 XML 字符串
xml_string = '''
<bookstore><book><title>Introduction to Python</title><author>John Doe</author><price>29.99</price></book><book><title>Data Science with Python</title><author>Jane Smith</author><price>39.95</price></book>
</bookstore>
'''# 使用 ElementTree 解析 XML 字符串
root = ET.fromstring(xml_string)# 遍历 XML 树
for book in root.findall('book'):title = book.find('title').textauthor = book.find('author').textprice = book.find('price').textprint(f'Title: {title}, Author: {author}, Price: {price}')

以上代码执行输出结果为：

Title: Introduction to Python, Author: John Doe, Price: 29.99
Title: Data Science with Python, Author: Jane Smith, Price: 39.95

Python 使用 SAX 解析 xml

SAX 是一种基于事件驱动的API。

利用 SAX 解析 XML 文档牵涉到两个部分: 解析器和事件处理器。

解析器负责读取 XML 文档，并向事件处理器发送事件，如元素开始跟元素结束事件。

而事件处理器则负责对事件作出响应，对传递的 XML 数据进行处理。

1. 对大型文件进行处理；
2. 只需要文件的部分内容，或者只需从文件中得到特定信息。
3. 想建立自己的对象模型的时候。

在 Python 中使用 sax 方式处理 xml 要先引入 xml.sax 中的 parse 函数，还有 xml.sax.handler 中的 ContentHandler。
ContentHandler 类方法介绍

使用xml.dom解析xml

ContentHandler 类是 Python 的 xml.sax 模块中定义的一个标准接口，用于处理 XML 文档的内容。下面是常用的 ContentHandler 类方法、参数和简要介绍，以及配合示例：

方法介绍与参数：

1. startDocument()

   • 参数：无
   • 介绍：开始解析文档时调用，用于初始化解析状态。

def startDocument(self):print("Start parsing document")

2. endDocument()

   • 参数：无
   • 介绍：结束解析文档时调用，用于清理解析过程中占用的资源。

def endDocument(self):print("End parsing document")

3. startElement(tag, attributes)

   • 参数：tag 表示元素标签名，attributes 是一个字典类型，包含了元素的属性。
   • 介绍：遇到 XML 元素的开始标签时调用，用于处理元素的开始部分。

def startElement(self, tag, attributes):print(f"Start element: {tag}")if attributes:print("Attributes:", attributes)

4. endElement(tag)

   • 参数：tag 表示元素标签名。
   • 介绍：遇到 XML 元素的结束标签时调用，用于处理元素的结束部分。

def endElement(self, tag):print(f"End element: {tag}")

5. characters(content)

   • 参数：content 是元素内的字符数据（文本内容）。
   • 介绍：用于处理元素内的字符数据。

def characters(self, content):print("Character data:", content)

make_parser, parser 和 parseString 都是与 XML 解析相关的函数或类，通常用于解析和处理 XML 数据。下面是它们的简要介绍：

1. xml.sax.make_parser()

   • xml.sax.make_parser() 函数用于创建并返回一个新的 SAX 解析器对象。
   • 示例：

     import xml.sax
     parser = xml.sax.make_parser()
     

2. parser

   • parser 是由 xml.sax.make_parser() 创建的 SAX 解析器对象。它可以通过调用其他方法和设置内容处理器来实现 XML 数据的解析和处理。
   • 示例：

     parser.setFeature(xml.sax.handler.feature_namespaces, 0)
     

3. parseString()

   • 在针对 XML 字符串进行解析时使用的方法。它是 xml.sax 模块中 xml.sax.parseString() 的同义词。
   • 示例：

     xml_string = "<note><to>Tove</to><from>Jani</from><heading>Reminder</heading><body>Don't forget me this weekend!</body></note>"
     parser = xml.sax.make_parser()
     handler = MyContentHandler()
     parser.setContentHandler(handler)
     parser.parseString(xml_string)
     

这些函数和方法都是 xml.sax 模块中用于解析 XML 的一部分。通过使用它们，可以有效地处理和操作 XML 数据。

示例代码：

import xml.saxclass MyContentHandler(xml.sax.ContentHandler):def startDocument(self):print("Start parsing document")def endDocument(self):print("End parsing document")def startElement(self, tag, attributes):print(f"Start element: {tag}")if attributes:print("Attributes:", attributes)def endElement(self, tag):print(f"End element: {tag}")def characters(self, content):print("Character data:", content)# 创建 XML 解析器对象
parser = xml.sax.make_parser()
# 关闭命名空间处理
parser.setFeature(xml.sax.handler.feature_namespaces, 0)# 设置内容处理器
content_handler = MyContentHandler()
parser.setContentHandler(content_handler)# 解析 XML 文件
xml_file = "example.xml"
with open(xml_file, "r") as file:parser.parse(file)

以上示例展示了如何创建一个自定义的 ContentHandler 类 MyContentHandler 并使用它来解析 XML 文件。在这个例子中，我们重写了 startDocument()、endDocument()、startElement()、endElement() 和 characters() 方法来处理不同类型的事件和内容。

使用xml.dom解析xml

文件对象模型（Document Object Model，简称DOM），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。

#!/usr/bin/python3from 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)

结果：

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
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

关注我，不迷路，共学习，同进步

关注我，不迷路，共学习，同进步