用Python解析XML的幾種常見方法的介紹
一、簡介
XML（eXtensible Markup Language）指可擴(kuò)展標(biāo)記語言，被設(shè)計用來傳輸和存儲數(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)，這個模塊犧牲了便捷性來換取速度和內(nèi)存占用，SAX是一個基于事件的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），它提供了輕量級的Python式的API，相對于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。
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生來就是為了處理XML，它在Python標(biāo)準(zhǔn)庫中有兩種實(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
這是一個讓Python不同的庫使用相同API的一個比較常用的辦法，而從Python 3.3開始ElementTree模塊會自動尋找可用的C庫來加快速度，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 #通過下標(biāo)訪問
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.*
文件對象模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴(kuò)展置標(biāo)語言的標(biāo)準(zhǔn)編程接口。一個 DOM 的解析器在解析一個XML文檔時，一次性讀取整個文檔，把文檔中所有元素保存在內(nèi)存中的一個樹結(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，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家
Countrys = Data.getElementsByTagName("country")
# 打印每個國家的詳細(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)動的API，利用SAX解析XML牽涉到兩個部分：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，如元素開始跟元素結(jié)束事件；而事件處理器則負(fù)責(zé)對事件作出相應(yīng)，對傳遞的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、想建立自己的對象模型的時候。
ContentHandler類方法介紹
（1）characters(content)方法
調(diào)用時機(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。
從一個標(biāo)簽，遇到下一個標(biāo)簽之前， 存在字符，content的值為這些字符串。
從一個標(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。
（2）startDocument()方法
文檔啟動的時候調(diào)用。
（3）endDocument()方法
解析器到達(dá)文檔結(jié)尾時調(diào)用。
（4）startElement(name, attrs)方法
遇到XML開始標(biāo)簽時調(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 XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重寫 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語言開發(fā)的xml解析器，是一個基于MIT License的免費(fèi)開源軟件，多種編程語言都有基于它的實(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語言開發(fā)的，因此在使用API接口的方式上難免會有點(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語言開發(fā)的，從使用層面上說比lxml更適合python開發(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方面的性能考慮。
（3）若有不足，請留言，在此先感謝！
相關(guān)文章
OpenCV是一個開源庫,包含了許多計算機(jī)視覺算法,它在計算機(jī)視覺和圖像處理中起著重要作用,用于實(shí)時操作,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2021-08-08
這篇文章主要介紹了Python的另外幾種語言實(shí)現(xiàn),本文介紹了CPython、Jython、Python for .NET、PyPy、Stackless等其它幾種語言實(shí)現(xiàn)的Python,需要的朋友可以參考下2015-01-01
Python join() 方法用于將序列中的元素以指定的字符連接生成一個新的字符串。這篇文章主要介紹了python中join()方法,需要的朋友可以參考下2018-10-10
這篇文章主要介紹了pycharm 2018 激活碼及破解補(bǔ)丁激活方式，本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-05-05
pandas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)在我們就來看看這三種生成Dataframe的方式，每種方式通過實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友參考下吧2021-09-09
這篇文章主要介紹了python使用技巧-文件讀寫,Python提供了非常方便的文件讀寫功能，其中open是讀寫文件的第一步，通過open讀寫文件的方式和把大象裝冰箱是一樣的,下面我們就來具體介紹該內(nèi)容，需要的小伙伴可以參考一下2022-02-02
Python實(shí)現(xiàn)向服務(wù)器請求壓縮數(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2017-06-06
Python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2021-06-06
Python基于文件內(nèi)容實(shí)現(xiàn)查找文件功能
無論是Linux系統(tǒng)還是Windows系統(tǒng)都有基于文件名實(shí)現(xiàn)過濾、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，好像它們明面上沒有這樣的功能了。這個時候就可以通過 Python 來實(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
每個數(shù)據(jù)集都有自己的特征,我們使用它們的特征作為特征來深入了解數(shù)據(jù),在本文中,我們將討論一種重要的數(shù)據(jù)集,即時間序列數(shù)據(jù),感興趣的可以了解下2024-02-02