用Python解析XML的幾種常見(jiàn)方法的介紹
一、簡(jiǎn)介
XML(eXtensible Markup Language)指可擴(kuò)展標(biāo)記語(yǔ)言,被設(shè)計(jì)用來(lái)傳輸和存儲(chǔ)數(shù)據(jù),已經(jīng)日趨成為當(dāng)前許多新生技術(shù)的核心,在不同的領(lǐng)域都有著不同的應(yīng)用。它是web發(fā)展到一定階段的必然產(chǎn)物,既具有SGML的核心特征,又有著HTML的簡(jiǎn)單特性,還具有明確和結(jié)構(gòu)良好等許多新的特性。
python解析XML常見(jiàn)的有三種方法: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,注意xml.dom包里面有許多模塊,須區(qū)分它們間的不同;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(lái)?yè)Q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(jiǎn)稱 ET),它提供了輕量級(jí)的Python式的API,相對(duì)于DOM來(lái)說(shuō)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(lái)說(shuō)ET的ET.iterparse也提供了 “在空中” 的處理方式,沒(méi)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(lái)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(lái)就是為了處理XML,它在Python標(biāo)準(zhǔn)庫(kù)中有兩種實(shí)現(xiàn):一種是純Python實(shí)現(xiàn)的,如xml.etree.ElementTree,另一種是速度快一點(diǎn)的xml.etree.cElementTree。注意:盡量使用C語(yǔ)言實(shí)現(xiàn)的那種,因?yàn)樗俣雀?,而且消耗的?nèi)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(gè)讓Python不同的庫(kù)使用相同API的一個(gè)比較常用的辦法,而從Python 3.3開(kāi)始ElementTree模塊會(huì)自動(dòng)尋找可用的C庫(kù)來(lái)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(kāi)xml文檔 #root = ET.fromstring(country_string) #從字符串傳遞xml root = tree.getroot() #獲得root節(jié)點(diǎn) 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(guò)下標(biāo)訪問(wèn) print root[0].tag, root[0].text print "*"*10 for country in root.findall('country'): #找到root節(jié)點(diǎn)下的所有country節(jié)點(diǎn) rank = country.find('rank').text #子節(jié)點(diǎn)下節(jié)點(diǎn)rank的值 name = country.get('name') #子節(jié)點(diǎn)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(yùn)行結(jié)果:
參考:https://docs.python.org/2/library/xml.etree.elementtree.html
2、xml.dom.*
文件對(duì)象模型(Document Object Model,簡(jiǎn)稱DOM),是W3C組織推薦的處理可擴(kuò)展置標(biāo)語(yǔ)言的標(biāo)準(zhǔn)編程接口。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(shù)結(jié)構(gòu)里,之后你可以利用DOM 提供的不同的函數(shù)來(lái)讀取或修改文檔的內(nèi)容和結(jié)構(gòu),也可以把修改過(guò)的內(nèi)容寫(xiě)入xml文件。python中用xml.dom.minidom來(lái)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(kāi)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(guó)家 Countrys = Data.getElementsByTagName("country") # 打印每個(gè)國(guó)家的詳細(xì)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(yùn)行結(jié)果:
參考:https://docs.python.org/2/library/xml.dom.html
3、xml.sax.*
SAX是一種基于事件驅(qū)動(dòng)的API,利用SAX解析XML牽涉到兩個(gè)部分:解析器和事件處理器。其中解析器負(fù)責(zé)讀取XML文檔,并向事件處理器發(fā)送事件,如元素開(kāi)始跟元素結(jié)束事件;而事件處理器則負(fù)責(zé)對(duì)事件作出相應(yīng),對(duì)傳遞的XML數(shù)據(jù)進(jìn)行處理。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。常使用在如下的情況下:一、對(duì)大型文件進(jìn)行處理;二、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;三、想建立自己的對(duì)象模型的時(shí)候。
ContentHandler類方法介紹
(1)characters(content)方法
調(diào)用時(shí)機(jī):
從行開(kāi)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(kāi)始標(biāo)簽,也可以是結(jié)束標(biāo)簽。
(2)startDocument()方法
文檔啟動(dòng)的時(shí)候調(diào)用。
(3)endDocument()方法
解析器到達(dá)文檔結(jié)尾時(shí)調(diào)用。
(4)startElement(name, attrs)方法
遇到XML開(kāi)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。
(5)endElement(name)方法
遇到XML結(jié)束標(biāo)簽時(shí)調(diào)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(kāi)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(jié)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(nèi)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(chuàng)建一個(gè) XMLReader parser = xml.sax.make_parser() # turn off namepsaces parser.setFeature(xml.sax.handler.feature_namespaces, 0) # 重寫(xiě) ContextHandler Handler = CountryHandler() parser.setContentHandler(Handler) parser.parse("country.xml")
運(yùn)行結(jié)果:
4、libxml2和lxml解析xml
libxml2是使用C語(yǔ)言開(kāi)發(fā)的xml解析器,是一個(gè)基于MIT License的免費(fèi)開(kāi)源軟件,多種編程語(yǔ)言都有基于它的實(shí)現(xiàn),python中的libxml2模塊有點(diǎn)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(yǔ)言開(kāi)發(fā)的,因此在使用API接口的方式上難免會(huì)有點(diǎn)不適應(yīng)。
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()
lxml是以libxml2為基礎(chǔ)采用python語(yǔ)言開(kāi)發(fā)的,從使用層面上說(shuō)比lxml更適合python開(kāi)發(fā)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()
三、總結(jié)
(1)Python中XML解析可用的類庫(kù)或模塊有xml、libxml2 、lxml 、xpath等,需要深入了解的還需參考相應(yīng)的文檔。
(2)每一種解析方式都有自己的優(yōu)點(diǎn)和缺點(diǎn),選擇前可以綜合各個(gè)方面的性能考慮。
(3)若有不足,請(qǐng)留言,在此先感謝!
相關(guān)文章
opencv python簡(jiǎn)易文檔之圖像處理算法
OpenCV是一個(gè)開(kāi)源庫(kù),包含了許多計(jì)算機(jī)視覺(jué)算法,它在計(jì)算機(jī)視覺(jué)和圖像處理中起著重要作用,用于實(shí)時(shí)操作,其效率足以滿足工業(yè)上的要求,這篇文章主要給大家介紹了關(guān)于opencv python簡(jiǎn)易文檔之圖像處理算法的相關(guān)資料,需要的朋友可以參考下2021-08-08Python的另外幾種語(yǔ)言實(shí)現(xiàn)
這篇文章主要介紹了Python的另外幾種語(yǔ)言實(shí)現(xiàn),本文介紹了CPython、Jython、Python for .NET、PyPy、Stackless等其它幾種語(yǔ)言實(shí)現(xiàn)的Python,需要的朋友可以參考下2015-01-01pandas創(chuàng)建DataFrame的方式小結(jié)
今天給大家整理了pandas創(chuàng)建DataFrame的方式小結(jié),現(xiàn)在我們就來(lái)看看這三種生成Dataframe的方式,每種方式通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),需要的朋友參考下吧2021-09-09Python實(shí)現(xiàn)向服務(wù)器請(qǐng)求壓縮數(shù)據(jù)及解壓縮數(shù)據(jù)的方法示例
這篇文章主要介紹了Python實(shí)現(xiàn)向服務(wù)器請(qǐng)求壓縮數(shù)據(jù)及解壓縮數(shù)據(jù)的方法,涉及Python文件傳輸及zip文件相關(guān)操作技巧,需要的朋友可以參考下2017-06-06Python使用socket實(shí)現(xiàn)組播與發(fā)送二進(jìn)制數(shù)據(jù)
在工作中經(jīng)常會(huì)用到socket傳輸數(shù)據(jù),例如客戶端給服務(wù)器發(fā)送數(shù)據(jù)(雙方約定了數(shù)據(jù)格式),本文主要介紹了Python使用socket實(shí)現(xiàn)組播與發(fā)送二進(jìn)制數(shù)據(jù),感興趣的可以了解一下2021-06-06Python基于文件內(nèi)容實(shí)現(xiàn)查找文件功能
無(wú)論是Linux系統(tǒng)還是Windows系統(tǒng)都有基于文件名實(shí)現(xiàn)過(guò)濾、查找的功能。但是如果想要查找一些關(guān)于某些文件指定內(nèi)容的文件,好像它們明面上沒(méi)有這樣的功能了。這個(gè)時(shí)候就可以通過(guò) Python 來(lái)實(shí)現(xiàn)這樣的功能,快跟隨小編一起學(xué)習(xí)一下吧2022-05-05