快捷導(dǎo)航

用Python解析XML的幾種常見方法的介紹

更新時間：2015年04月09日 11:07:26 作者：taiyang1987912

這篇文章主要介紹了用Python解析XML的幾種常見方法,包括快速的使用ElementTree模塊等方法的實例介紹,需要的朋友可以參考下

一、簡介

XML（eXtensible Markup Language）指可擴展標(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)庫中有兩種實現(xiàn)：一種是純Python實現(xiàn)的，如xml.etree.ElementTree，另一種是速度快一點的xml.etree.cElementTree。注意：盡量使用C語言實現(xiàn)的那種，因為它速度更快，而且消耗的內(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  
  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)點下的所有country節(jié)點 
    rank = country.find('rank').text   #子節(jié)點下節(jié)點rank的值 
    name = country.get('name')      #子節(jié)點下屬性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')

運行結(jié)果：

201549105948952.png (509×377)

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")

運行結(jié)果：

201549110124853.png (486×264)

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：
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")

運行結(jié)果：

201549110218145.png (471×264)

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的免費開源軟件，多種編程語言都有基于它的實現(xiàn)，python中的libxml2模塊有點小不足的是：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()

201549110301575.png (457×318)

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()

201549110332839.png (513×57)

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)點和缺點，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！

您可能感興趣的文章: