Python3 XML 解析

什麼是 XML？

XML 指可擴展標記語言（eXtensible Markup Language），標準通用標記語言的子集，是一種用於標記電子檔使其具有結構性的標記語言。 你可以通過本站學習 XML 教學

XML 被設計用來傳輸和存儲數據。

XML 是一套定義語義標記的規則，這些標記將文檔分成許多部件並對這些部件加以標識。

它也是元標記語言，即定義了用於定義其他與特定領域有關的、語義的、結構化的標記語言的句法語言。

Python 對 XML 的解析

常見的 XML 編程介面有 DOM 和 SAX，這兩種介面處理 XML 檔的方式不同，當然使用場合也不同。

Python 有三種方法解析 XML，SAX，DOM，以及 ElementTree:

1.SAX (simple API for XML )

Python 標準庫包含 SAX 解析器，SAX 用事件驅動模型，通過在解析 XML 的過程中觸發一個個的事件並調用用戶定義的回調函數來處理 XML 檔。

2.DOM(Document Object Model)

將 XML 數據在內存中解析成一個樹，通過對樹的操作來操作 XML。

本章節使用到的 XML 實例檔 movies.xml 內容如下：

<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 使用 SAX 解析 xml

SAX 是一種基於事件驅動的API。

利用 SAX 解析 XML 文檔牽涉到兩個部分: 解析器和事件處理器。

解析器負責讀取 XML 文檔，並向事件處理器發送事件，如元素開始跟元素結束事件。

而事件處理器則負責對事件作出回應，對傳遞的 XML 數據進行處理。

  • 1、對大型檔進行處理；
  • 2、只需要檔的部分內容，或者只需從檔中得到特定資訊。
  • 3、想建立自己的對象模型的時候。

在 Python 中使用 sax 方式處理 xml 要先引入 xml.sax 中的 parse 函數，還有 xml.sax.handler 中的 ContentHandler。

ContentHandler 類方法介紹

characters(content) 方法

調用時機：

從行開始，遇到標籤之前，存在字元，content 的值為這些字串。

從一個標籤，遇到下一個標籤之前， 存在字元，content 的值為這些字串。

從一個標籤，遇到行結束符之前，存在字元，content 的值為這些字串。

標籤可以是開始標籤，也可以是結束標籤。

startDocument() 方法

文檔啟動的時候調用。

endDocument() 方法

解析器到達文檔結尾時調用。

startElement(name, attrs) 方法

遇到XML開始標籤時調用，name 是標籤的名字，attrs 是標籤的屬性值字典。

endElement(name) 方法

遇到XML結束標籤時調用。

make_parser 方法

以下方法創建一個新的解析器對象並返回。

xml.sax.make_parser( [parser_list] )

參數說明:

  • parser_list - 可選參數，解析器列表

parser 方法

以下方法創建一個 SAX 解析器並解析xml文檔：

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

參數說明:

  • xmlfile - xml檔案名
  • contenthandler - 必須是一個 ContentHandler 的對象
  • errorhandler - 如果指定該參數，errorhandler 必須是一個 SAX ErrorHandler 對象

parseString 方法

parseString 方法創建一個 XML 解析器並解析 xml 字串：

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

參數說明:

  • xmlstring - xml字串
  • contenthandler - 必須是一個 ContentHandler 的對象
  • errorhandler - 如果指定該參數，errorhandler 必須是一個 SAX ErrorHandler對象

Python 解析XML實例

#!/usr/bin/python3

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 = ""

   # 元素開始調用
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print ("*****Movie*****")
         title = attributes["title"]
         print ("Title:", title)

   # 元素結束調用
   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 = ""

   # 讀取字元時調用
   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__"):

   # 創建一個 XMLReader
   parser = xml.sax.make_parser()
   # 關閉命名空間
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

   # 重寫 ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )

   parser.parse("movies.xml")

以上代碼執行結果如下：

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom

完整的 SAX API 文檔請查閱Python SAX APIs

使用xml.dom解析xml

檔對象模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴展置標語言的標準編程介面。

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存中的一個樹結構裏，之後你可以利用DOM 提供的不同的函數來讀取或修改文檔的內容和結構，也可以把修改過的內容寫入xml檔。

python中用xml.dom.minidom來解析xml檔，實例如下：

#!/usr/bin/python3

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("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("Root element : %s" % collection.getAttribute("shelf"))

# 在集合中獲取所有電影

movies = collection.getElementsByTagName("movie")

# 列印每部電影的詳細資訊

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)

以上程式執行結果如下：

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

完整的 DOM API 文檔請查閱Python DOM APIs。