Python XML解析

xml 是一种扩展标记语言，实际开发中应用也比较广泛，经常用来在服务端与客户端间进行数据传输。下面我们来一起看下 python 中对 xml 的解析

1.python 解析 xml 的三种方式

python中有三种方法解析xml，分别为：SAX、DOM、ElementTree，建议使用第三种 ElementTree 解析 xml。

SAX用事件驱动模型，通过在解析XML的过程中触发对应的事件并调用用户定义的回调函数来处理XML文件。SAX是一种基于事件驱动的API，使用SAX解析XML会涉及到两个部分：解析器和事件处理器，解析器主要用于解析XML数据，并向事件处理器发送事件（startElement、endElement、characters等），而事件处理器主要用于对触发事件后作响应，对传递的XML数据进行处理。
优点：SAX使用流来读取xml数据，效率快，占用内存少
缺点：需要用户实现回调函数（Handler）

DOM是一次性将xml数据全部读取并解析成一个树放到内存中，通过对树的操作来操作XML。在解析时，一次性读取整个xml文档并把文档中所有的元素存放到内存中的一个树结构中，然后利用DOM提供的函数来读取或修改文档的内容和结构
优点：使用DOM的好处是不用对状态进行追踪，因为每一个节点都知道谁是它的父节点，谁是它的子节点
缺点：一次性将xml数据全部读取映射到内存中的树，效率低、占用内存

ElementTree类似一个轻量级的DOM，具有方便友好的API，代码可用性好，速度快，消耗内存少，推荐使用。

下面我们通过一个案例，分别用这三种方式来解析xml，看下每种方式是如何操作的。

有一个people.xml文件，内容如下

<?xml version="1.0" encoding="utf-8" ?><people>    <person id="zhangsna">        <name>张三</name>        <age>18</age>        <tel>18511908765</tel>    </person>    <person id="lisi">        <name>李四</name>        <age>20</age>        <tel>15018984728</tel>    </person>    <person id="wangwu">        <name>王五</name>        <age>22</age>        <tel>13067894532</tel>    </person>    <person id="zhaoliu">        <name>赵六</name>        <age>23</age>        <tel>13067894532</tel>    </person></people>

解析people文件中的内容，解析完成后将数据封装到一个Person对象中然后在控制台打印，打印时分别按年龄升序和按中文降序。Person 类如下

class Person:    name=None    age=None    tel=None    def __init__(self,name=None,age=None,tel=None):        self.name=name        self.age=age        self.tel=tel    def __repr__(self):  # 类似 java 中 的 toString()        return '{0:20}{1:<5}{2:15}'.format(self.name, self.age, self.tel)

2.SAX 解析

sax 解析需要继承ContentHandler并重写其中的方法，ContentHandler类中常用方法如下

方法 参数 作用 startDocument() self 文档启动时调用 endDocument() self 解析器到达文档结尾时调用 startElement() self,name:元素名称,attrs:元素属性 遇到XML开始标签时调用 endElement() self,name:元素名称 遇到XML结束标签时调用 characters self,content:文本内容 读取元素内容时调用

sax 模块常用方法

方法 作用 make_parser() 创建一个新的解析器对象并返回 parse() 创建一个 SAX 解析器并解析xml文档 parseString() 创建一个XML解析器并解析xml字符串

代码：

import xml.sax  # 导入sax模块from Person import Person   # 导入Person类# 继承ContentHandlerclass PeopleHandler(xml.sax.ContentHandler):    # 初始化函数    def __init__(self):        self.person = None        self.tag = None    # 元素开始调用（name：元素名称，attrs：元素属性）    def startElement(self, name, attrs):        self.tag = name        if name == 'person':            self.person = Person()    # 元素结束调用（name：元素名称）    def endElement(self, name):        if name == 'person':            global people   # 引用外部的全局变量            people.append(self.person)            self.person = None        self.tag = None    # 读取元素内容时调用（content：文本内容）    def characters(self, content):        if "name" == self.tag:            self.person.name = content        if "age" == self.tag:            self.person.age = int(content)        if "tel" == self.tag:            self.person.tel = contentpeople = []# 创建一个 XMLReaderparser = xml.sax.make_parser()# 关闭命名空间（不验证命名空间）parser.setFeature(xml.sax.handler.feature_namespaces, 0)# 重写 ContextHandlerparser.setContentHandler(PeopleHandler())# 解析xml文档parser.parse("people.xml")print('{0:20}{1:<5}{2:15}'.format("姓名", "年龄", "手机号"))print("--------------按年龄升序--------------")for p in sorted(people, key=lambda x:x.age, reverse=False):    print(p)print("--------------按中文降序--------------")people.sort(key=lambda x:x.name.encode("gbk"), reverse=True)  # 中文排序，需要进行编码为gbk或gb2312for p in people:    print(p)

运行结果：

姓名                  年龄   手机号            --------------按年龄升序--------------张三                  18   18511908765    李四                  20   15018984728    王五                  22   13067894532    赵六                  23   13067894532    --------------按中文降序--------------赵六                  23   13067894532    张三                  18   18511908765    王五                  22   13067894532    李四                  20   15018984728    

3.DOM 解析

# 导入模块from xml.dom.minidom import parsefrom Person import Personpeople = []# 使用minidom解析器打开 XML 文档domTree = parse("people.xml")# 获取文档元素collection = domTree.documentElement;# 获取集合中的 person 元素person = collection.getElementsByTagName("person")for e in person:    # 获取所有的id元素的属性    # idAttrs = e.attributes['id']    # print(idAttrs)    # 获取所有的name元素    # elements = e.getElementsByTagName("name")[0]    # print(elements)    # 获取所有的name元素的文本值    # text = e.getElementsByTagName("name")[0].childNodes[0].data;    # print(text)    name = e.getElementsByTagName("name")[0].childNodes[0].data    age = e.getElementsByTagName("age")[0].childNodes[0].data    tel = e.getElementsByTagName("tel")[0].childNodes[0].data    p = Person(name, age, tel)    people.append(p)print('{0:20}{1:<5}{2:15}'.format("姓名", "年龄", "手机号"))print("--------------按年龄升序--------------")for p in sorted(people, key=lambda x:x.age, reverse=False):    print(p)print("--------------按中文降序--------------")# 中文排序，需要进行编码为gbk或gb2312people.sort(key=lambda x:x.name.encode("gbk"), reverse=True)  for p in people:    print(p)

运行结果与SAX相同

4.ElementTree

ElementTree 在 Python 中有两种实现
一种是纯 Python 实现：xml.etree.ElementTree
另一种是 C 语言实现：xml.etree.cElementTree
建议使用 C 语言 实现的 ElementTree，因为它速度更快，占用内存更少
在程序中导入模块时这样写（如果C语言实现的不能使用再使用纯Python实现的）

try:    import xml.etree.cElementTree as ETexcept ImportError:    import xml.etree.ElementTree as ET

ElementTree 中 常用方法

方法 作用 parse(xmlfile) 加载xml文件 fromstring(xmltext) 加载xml文件 findall() 获取指定的所有节点 find() 获取指定的节点 getchildren() 获取儿子节点 getiterator() 获取指定的所有节点，与findall()类似

示例：

root = ET.parse("people.xml")print("------------findall()------------")persons1 = root.findall("person")print(persons1)print("----------getiterator()----------")persons2 = root.getiterator("person")print(persons2)print("----------getchildren()----------")for node in persons2:    node_child = node.getchildren()[0]    print(node_child.tag + " => " + node_child.text)

运行结果：

------------findall()------------[<Element 'person' at 0x00000000020F02C8>, <Element 'person' at 0x0000000002585908>, <Element 'person' at 0x00000000025A1138>, <Element 'person' at 0x00000000025A1278>]----------getiterator()----------[<Element 'person' at 0x00000000020F02C8>, <Element 'person' at 0x0000000002585908>, <Element 'person' at 0x00000000025A1138>, <Element 'person' at 0x00000000025A1278>]----------getchildren()----------name => 张三name => 李四name => 王五name => 赵六

ElementTree 中 常用属性

属性 作用 attrib 获取节点的属性及属性值（以元祖的形式返回） tag 获取节点名称 text 获取节点的文本值

示例

root = ET.parse("people.xml")persons = root.findall("person")for node in persons:    print(node.attrib)    print(node.tag)    name = node.find("name")    print(name.text)

运行结果：

{'id': 'zhangsna'}person张三--------------------{'id': 'lisi'}person李四--------------------{'id': 'wangwu'}person王五--------------------{'id': 'zhaoliu'}person赵六--------------------

ElementTree 的常用方法及属性我们了解后，接着实现我们最开始的案例，代码如下，运行结果与 SAX 相同

from Person import Persontry:    import xml.etree.cElementTree as  ETexcept ImportError:    import xml.etree.ElementTree as ETpeople = []# 加载people.xml文件root = ET.parse("people.xml")# 获取所有person节点persons = root.findall("person")for node in persons:    name = node.find("name").text    age = node.find("age").text    tel = node.find("tel").text    p = Person(name, age, tel)    people.append(p)print('{0:20}{1:<5}{2:15}'.format("姓名", "年龄", "手机号"))print("--------------按年龄升序--------------")for p in sorted(people, key=lambda x:x.age, reverse=False):    print(p)print("--------------按中文降序--------------")# 中文排序，需要进行编码为gbk或gb2312people.sort(key=lambda x:x.name.encode("gbk"), reverse=True)  for p in people:    print(p)