20Python中的XML操作

1. DOM解析器

# -*-coding: utf-8 -*-# 1.Dom解析器# 一个 DOM 的解析器在解析一个 XML 文档时，一次性读取整个文档，# 把文档中所有元素保存在内存中的一个树结构里，之后你可以利用DOM# 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的# 内容写入xml文件。# 类似于C++中的TinyXml等。from xml.dom.minidom import parseimport xml.dom.minidom# 使用minidom打开并解析xml，解析得到的树放在变量tree中。tree = xml.dom.minidom.parse("20movies.xml")# collection是根节点，其余所有的元素都在这个节点下面。collection = tree.documentElement# 获取该节点的属性。if collection .hasAttribute("shelf"):  print "Root element : %s " % collection .getAttribute("shelf");# 获得collection节点下面所有的movie节点，返回一个数组。movies = collection .getElementsByTagName("movie")# 遍历每个movie节点。for movie in movies:  print "*****Movie*****"  if movie.hasAttribute("title"):    print "Title: %s " % movie.getAttribute("title")  # 获取movie节点下面的第一个tpye节点，因为其他情况中可能有多个type节点，所以使用索引[0]  type = movie.getElementsByTagName("type")[0]  # 获取type节点的内容节点。  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

2. SAX解析器

# -*-coding: utf-8 -*-# 1.SAX解析器# SAX是一种基于事件驱动的API。# 利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器。# 解析器负责读取XML文档,并向事件处理器发送事件,如元素开始跟元素结束事件;# 而事件处理器则负责对事件作出相应,对传递的XML数据进行处理。# 我们要做的就是重写事件处理器的方法。# 应用场景：# (A)对大型文件进行处理；# (B)只需要文件的部分内容，或者只需从文件中得到特定信息。# (C)想建立自己的对象模型的时候。# ContentHandler类方法介绍# (A)characters(content)方法# 调用时机：# 从行开始，遇到标签之前，存在字符，content的值为这些字符串。# 从一个标签，遇到下一个标签之前， 存在字符，content的值为这些字符串。# 从一个标签，遇到行结束符之前，存在字符，content的值为这些字符串。# 标签可以是开始标签，也可以是结束标签。# (B)startDocument()方法# 文档启动的时候调用。# (C)endDocument()方法# 解析器到达文档结尾时调用。# (D)startElement(name, attrs)方法# 遇到XML开始标签时调用，name是标签的名字，attrs是标签的属性值字典。# (E)endElement(name)方法# 遇到XML结束标签时调用。import xml.saxclass MovieHandler(xml.sax.ContentHandler):  def __init__(self):    self.CurrentTag = ""    self.type = ""    self.format = ""    self.year = ""    self.rating = ""    self.stars = ""    self.description = ""  # 当开始解析每个元素开始时，触发该事件。每个元素也就是<element/>或者<element></element>  # 参数tag是个字符串，也就是element的名字，attrs是一个数组，是该element的属性。  # 总结：如果要得到一个element的name和attribute，要在startElement中获取。  def startElement(self, tag, attrs):    self.CurrentTag = tag    if tag == "movie":      print "*****Movie*****"      title = attrs["title"]      print "Title: ", title  # 当解析完一个元素的时候，触发该事件。  # 总结：因为元素是可以层层嵌套的，所以区分是哪个元素结束，  # 那么可以用一个if语句来判断，因为参数tag是当前结束的元素的名字。  def endElement(self, tag):    if tag == "type":      print "Type: ", self.type;    elif tag == "format":      print "Format:", self.format    elif tag == "year":       print "Year:", self.year    elif tag == "rating":       print "Rating:", self.rating    elif tag == "stars":       print "Stars:", self.stars    elif tag == "description":       print "Description:", self.description  # 当解析到元素的value时，也就是元素的内容时，触发该事件。  def characters(self, content):    if self.CurrentTag == "type":      self.type = content;    elif self.CurrentTag == "format":      self.format = content;    elif self.CurrentTag == "year":      self.year = content;    elif self.CurrentTag == "rating":      self.rating = content    elif self.CurrentTag == "stars":      self.stars = content    elif self.CurrentTag == "description":      self.description = contentif __name__ == '__main__':  # 创建一个sax解析器。  parser = xml.sax.make_parser()  # 关闭命名空间，xml是有命名空间的。  parser.setFeature(xml.sax.handler.feature_namespaces, 0)  # 创建Movie ContentHandler。  movie_handler = MovieHandler()  # 给解析器设置handler。  parser.setContentHandler(movie_handler)  # 进行解析。  parser.parse("20movies.xml")