12 Python使用xml

概述

在上一节，我们介绍了Python的正则表达式，包括：正则表达式的定义、正则表达式的语法、re.search函数、re.match函数、re.findall函数、re.sub函数、re.compile函数、re.finditer函数、re.split函数等内容。在这一节，我们将介绍如何在Python中使用xml。

XML英文全称为eXtensible Markup Language，中文为可扩展标记语言，是一种类似于HTML，但是没有使用预定义标记的语言。因此，XML可以根据自己的设计需求来定义专属的标记。最重要的是，因为XML的基本格式是标准化的，如果你在本地或互联网上跨系统或平台共享或传输XML，接收者仍然可以解析收到的数据。一句话总结就是：XML被设计用来传输和存储数据，不用于表现和展示数据，HTML则用来表现数据。

在Python中，通常使用如下几种方式来处理xml。

SAX：英文全称为Simple API for XML，逐行扫描XML文档，边扫描边解析，占用内存较小，速度较快。缺点是不能长期留驻在内存，数据不是长久的，事件过后，若没保存数据，数据便会丢失。

DOM：英文全称为Document Object Model，会将整个XML读入内存，在内存中解析成一个树，通过对树的操作来操作XML。该方式占用内存较大，解析速度较慢。

ElementTree：元素树，兼具了SAX方式和DOM方式的优点，占用内存较小，速度较快，使用较简单。

SAX

SAX是一种基于事件的解析XML的接口，它不会将整个文档加载到内存中，而是逐行或逐个元素地读取文档，然后触发相应的事件。在Python中，可以使用内置的xml.sax模块来实现SAX解析器。该模块提供了一组基本的事件处理器类，可以用于处理XML的不同部分，比如：元素、属性、文本等。由于SAX不会将整个文档加载到内存中，因此它更适合处理大型XML文档。

假如有如下的Friends.xml文件：

XML 复制代码

<?xml version='1.0' encoding='UTF-8'?>
<Friends>
  <Friend>
    <Name>Mike</Name>
    <Age>18</Age>
  </Friend>
  <Friend>
    <Name>Tom</Name>
    <Age>16</Age>
  </Friend>
</Friends>

我们可以使用下面的示例代码来读取这个Friends.xml文件。

python 复制代码

import os
import xml.sax

class FriendHandler(xml.sax.ContentHandler):
    def __init__(self):
        self.name = ''
        self.age = ''

    # 元素开始时调用
    def startElement(self, tag, attributes):
        self.CurrentData = tag

    # 元素结束时调用
    def endElement(self, tag):
        if self.CurrentData == 'Name':
            print('Name is', self.name)
        elif self.CurrentData == 'Age':
            print('Age is', self.age)
        self.CurrentData = ''

    # 读取字符时调用
    def characters(self, content):
        if self.CurrentData == 'Name':
            self.name = content
        elif self.CurrentData ==  'Age':
            self.age = content

parser = xml.sax.make_parser()
Handler = FriendHandler()
parser.setContentHandler(Handler)
path = os.getcwd() + 'Friends.xml'
parser.parse(path)

在上面的示例代码中，我们定义了一个名为FriendHandler的类，它继承了xml.sax.ContentHandler类，并实现了其中的三个方法，分别为：startElement、endElement和characters。当解析器遇到元素开始标签时，会调用startElement方法。当遇到元素结束标签时，会调用endElement方法。当遇到元素内的文本时，会调用characters方法。运行示例代码后，其输出如下：

python 复制代码

Name is Mike
Age is 18
Name is Tom
Age is 16

DOM

DOM是一种用于表示HTML和XML文档的接口标准，它提供了一种方式，使得开发者可以通过编程方式访问和修改文档的内容和结构。在Python中，可以使用多种库来实现DOM解析器，比如：xml.dom.minidom、lxml等。

在下面的示例代码中，我们使用xml.dom.minidom来解析上面提到的Friends.xml文件。另外，我们还可以使用minidom.parseString来解析xml字符串。

python 复制代码

import xml.dom.minidom as minidom

doc = minidom.parse('Friends.xml')
root = doc.documentElement 
children = root.childNodes
for child in children:
    if child.nodeName == 'Friend':
        name = child.getElementsByTagName('Name')[0]
        print('Name is', name.childNodes[0].data)
        age = child.getElementsByTagName('Age')[0]
        print('Age is', age.childNodes[0].data)

ElementTree

ElementTree提供了一个简单而高效的API用于解析和创建XML数据，它使用了一种基于树的模型来表示XML文档，使得我们可以很方便地访问和修改XML数据的元素和属性。

在下面的示例代码中，我们使用ElementTree来解析上面提到的Friends.xml文件。

python 复制代码

import xml.etree.ElementTree as ET

tree = ET.parse('Friends.xml')
root = tree.getroot()
for friend in root:
    name = friend[0]
    print('Name is', name.text)
    age = friend[1]
    print('Age is', age.text)

使用ElementTree，我们还可以很方便地生成xml，并保存到文件或字符串中。下面示例代码中生成的Friends_new.xml文件的内容，与上面提到的Friends.xml文件的内容相同。

python 复制代码

import xml.etree.ElementTree as ET
  
root = ET.Element('Friends')
  
child = ET.SubElement(root, 'Friend')
child_name = ET.SubElement(child, 'Name')
child_name.text = 'Mike'
child_age = ET.SubElement(child, 'Age')
child_age.text = '18'

child = ET.SubElement(root, 'Friend')
child_name = ET.SubElement(child, 'Name')
child_name.text = 'Tom'
child_age = ET.SubElement(child, 'Age')
child_age.text = '16'
   
tree = ET.ElementTree(root)
with open('Friends_new.xml', 'wb') as file:
    tree.write(file, 'UTF-8')