快捷導(dǎo)航

python基礎(chǔ)教程項(xiàng)目三之萬(wàn)能的XML

更新時(shí)間：2018年04月02日 11:03:43 作者：the5fire

這篇文章主要為大家詳細(xì)介紹了python基礎(chǔ)教程項(xiàng)目三之萬(wàn)能的XML，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

這個(gè)項(xiàng)目的名稱與其叫做萬(wàn)能的XML不如叫做自動(dòng)構(gòu)建網(wǎng)站，根據(jù)一份XML文件，生成對(duì)應(yīng)目錄結(jié)構(gòu)的網(wǎng)站，不過(guò)只有html還是太過(guò)于簡(jiǎn)單了，如果要是可以連帶生成css那就比較強(qiáng)大了。這個(gè)有待后續(xù)研發(fā)，先來(lái)研究下怎么html網(wǎng)站結(jié)構(gòu)。既然是通過(guò)XML結(jié)構(gòu)生成網(wǎng)站，那所有的事情都應(yīng)該由這個(gè)XML文件來(lái)。先來(lái)看下這個(gè)XML文件，website.xml：

<website>
 <page name="index" title="Home page">
 <h1>Welcome to my Home page</h1>
 <p>Hi, there. My name is Mr.gumby,and this is my home page,here are some of my int:</p>
 <ul>
  <li><a href="interests/shouting.html" rel="external nofollow" >Shouting</a></li>
  <li><a href="interests/sleeping.html" rel="external nofollow" >Sleeping</a></li>
  <li><a href="interests/eating.html" rel="external nofollow" >Eating</a></li>
 </ul>
 </page>
 <directory name="interests">
  <page name="shouting" title="Shouting">
   <h1>shouting page</h1>
   <p>....</p>
  </page>
  <page name="sleeping" title="Sleeping">
   <h1>sleeping page</h1>
   <p>...</p>
  </page>
  <page name="eating" title="Eating">
    <h1>Eating page</h1>
    <p>....</p>
  </page>
 </directory>
</website>

有了這個(gè)文件，下面應(yīng)該來(lái)看怎么通過(guò)這個(gè)文件生成網(wǎng)站。

首先我們要解析這個(gè)xml文件，python解析xml和在java中一樣，有兩種方式，SAX和DOM，兩種處理方式不同點(diǎn)在于速度和范圍，前者講究的是效率，每次只處理文檔的一小部分，快速而能有效的利用內(nèi)存，后者是相反的處理方式，先把所有的文檔載入到內(nèi)存，然后再進(jìn)行處理，速度比較慢，也比較消耗內(nèi)存，唯一的好處就是可以操作整個(gè)文檔。

在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，后面的這個(gè)類是要和parse函數(shù)來(lái)配合使用的。使用方式如下： parse('xxx.xml',xxxHandler),這里面的xxxHandler要繼承上面的ContentHandler，不過(guò)只要繼承就行，不需要有所作為。然后這個(gè)parse函數(shù)在處理xml文件的時(shí)候，會(huì)調(diào)用xxxHandler中的startElement函數(shù)和endElement函數(shù)來(lái)一個(gè)xml中的標(biāo)簽的開始和結(jié)束，中間的過(guò)程使用一個(gè)名為characters的函數(shù)來(lái)處理標(biāo)簽內(nèi)部的所有字符串。

有了上面的這些認(rèn)識(shí)，我們已經(jīng)知道如何處理xml文件了，然后再來(lái)看那個(gè)罪惡的源頭website.xml文件，分析其結(jié)構(gòu)，只有兩個(gè)節(jié)點(diǎn)：page和directory，很明顯page表示一個(gè)頁(yè)面，directory表示一個(gè)目錄。

所以處理這個(gè)xml文件的思路就變的清晰了。讀取xml文件的每一個(gè)節(jié)點(diǎn)，然后判斷是page還是directory如果是page則創(chuàng)建html頁(yè)面，然后把節(jié)點(diǎn)中的內(nèi)容寫到文件里。如果遇到directory就創(chuàng)建一個(gè)文件夾，然后再處理其內(nèi)部的page節(jié)點(diǎn)（如果存在的話）。
下面來(lái)看這部分代碼，書中的實(shí)現(xiàn)比較復(fù)雜，比較靈活。先來(lái)看，然后在分析。

from xml.sax.handler import ContentHandler
from xml.sax import parse
import os
class Dispatcher:
    def dispatch(self, prefix, name, attrs=None):
        mname = prefix + name.capitalize()
        dname = 'default' + prefix.capitalize()
        method = getattr(self, mname, None)
        if callable(method): args = ()
        else:
            method = getattr(self, dname, None)
            args = name,
        if prefix == 'start': args += attrs,
        if callable(method): method(*args)
    def startElement(self, name, attrs):
        self.dispatch('start', name, attrs)
    def endElement(self, name):
        self.dispatch('end', name)
class WebsiteConstructor(Dispatcher, ContentHandler):
    passthrough = False
    def __init__(self, directory):
        self.directory = [directory]
        self.ensureDirectory()
    def ensureDirectory(self):
        path = os.path.join(*self.directory)
        print path
        print '----'
        if not os.path.isdir(path): os.makedirs(path)
    def characters(self, chars):
        if self.passthrough: self.out.write(chars)
    def defaultStart(self, name, attrs):
        if self.passthrough:
            self.out.write('<' + name)
            for key, val in attrs.items():
                self.out.write(' %s="%s"' %(key, val))
            self.out.write('>')
    def defaultEnd(self, name):
        if self.passthrough:
            self.out.write('</%s>' % name)
    def startDirectory(self, attrs):
        self.directory.append(attrs['name'])
        self.ensureDirectory()
    def endDirectory(self):
        print 'endDirectory'
        self.directory.pop()
    def startPage(self, attrs):
        print 'startPage'
        filename = os.path.join(*self.directory + [attrs['name']+'.html'])
        self.out = open(filename, 'w')
        self.writeHeader(attrs['title'])
        self.passthrough = True
    def endPage(self):
        print 'endPage'
        self.passthrough = False
        self.writeFooter()
        self.out.close()
    def writeHeader(self, title):
        self.out.write('<html>\n <head>\n  <title>')
        self.out.write(title)
        self.out.write('</title>\n </head>\n <body>\n')
    def writeFooter(self):
        self.out.write('\n </body>\n</html>\n')
parse('website.xml',WebsiteConstructor('public_html'))

看起來(lái)這個(gè)程序上面分析的復(fù)雜了一些，不過(guò)偉人毛毛說(shuō)過(guò)，任何復(fù)雜的程序都是紙老虎。那我們?cè)賮?lái)分析一下這個(gè)程序。

首先看到這個(gè)程序是有兩個(gè)類，其實(shí)完全可以當(dāng)作一個(gè)類，因?yàn)橛辛死^承。

然后再來(lái)看它多了些什么，除了我們分析出來(lái)的startElement和endElement以及characters，多出來(lái)了startPage，endPage;startDirectory，endDirectory;defaultStart，defaultEnd;ensureDirectory;writeHeader，writeFooter;和dispatch，這些個(gè)函數(shù)。除了dispatch，前面的函數(shù)都很好理解，每一對(duì)函數(shù)都是單純的處理對(duì)應(yīng)的html標(biāo)簽以及xml節(jié)點(diǎn)。而dispatch比較復(fù)雜，復(fù)雜之處在于他是用來(lái)動(dòng)態(tài)拼合函數(shù)并且進(jìn)行執(zhí)行的。

dispatch的處理思路是，首先根據(jù)傳遞的參數(shù)（就是操作名稱以及節(jié)點(diǎn)名稱）判斷是否存在對(duì)應(yīng)的函數(shù)如startPage，如果不存在則執(zhí)行default+操作名稱：如defaultStart。

一個(gè)函數(shù)一個(gè)函數(shù)搞清楚之后，就知道整個(gè)處理流程是什么樣了。首先創(chuàng)建一個(gè)public_html的文件，存放整個(gè)網(wǎng)站，然后讀xml的節(jié)點(diǎn)，通過(guò)startElement和endElement調(diào)用dispatch進(jìn)行處理。然后就是dispatch怎么調(diào)用具體的處理函數(shù)了。到此為止，這個(gè)項(xiàng)目算是分析完了。

主要掌握的內(nèi)容一個(gè)是python中使用SAX處理XML，另一個(gè)就是python中的函數(shù)的使用，比如getattr，傳參數(shù)時(shí)的星號(hào)……

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: