xml解析
一、xml简介
XML 被设计用来传输和存储数据。
HTML 被设计用来显示数据。
1).什么是xml
- XML 指可扩展标记语言（EXtensible Markup Language）。
- XML 是一种很像HTML的标记语言。
- XML 的设计宗旨是传输数据，而不是显示数据。
- XML 标签没有被预定义。您需要自行定义标签。
- XML 被设计为具有自我描述性。
- XML 是 W3C 的推荐标准。
2).xml和html的区别
XML 不是 HTML 的替代。
XML 和 HTML 为不同的目的而设计：
- XML 被设计用来传输和存储数据，其焦点是数据的内容。
- HTML 被设计用来显示数据，其焦点是数据的外观。
HTML 旨在显示信息，而 XML 旨在传输信息。
***
XML 被设计用来结构化、存储以及传输信息。所以XML 不会做任何事情。
XML 语言没有预定义的标签。所以我们可以自定义标签，注意，尽量不定义关键字标签。
XML是对HTML的补充，但不是HTML的替代，在大多数 Web 应用程序中，XML 用于传输数据，而 HTML 用于格式化并显示数据。
XML 是独立于软件和硬件的信息传输工具。
python对XML的解析
常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，当然使用场合也不同。
python有三种方法解析XML，SAX，DOM，以及ElementTree:
| 方法 | 特点 |
| SAX | SAX解析通过流模式在解析XML的过程中触发对应的事件（start_element、char_data、end_element）并调用用户定义的回调函数来处理XML文件。 |
| DOM | 将XML数据在内存中解析成一个树，通过对树的操作来操作XML，占用内存大，解析速度较慢，优点是可以任意遍历树的节点。 |
| ElementTree | 类似一个轻量级的DOM |
我们先使用ElementTree解析一个XML文件，文件如下：
<?xml version="1.0" encoding='utf-8'?> #申明为XML
<data> #父节点
<country name="Liechtenstein"> #子节点
<rank>1</rank> #子节点的子节点
<year>2008</year>
<gdppc>141100</gdppc>
<neighbor name="Austria" direction="E"/>
<neighbor name="Switzerland" direction="W"/>
</country>
<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>
解析代码如下：
#usr/bin/python
#-*-coding:utf-8-*-
import xml.etree.ElementTree as ET
'''
tag ,即标签，用于标识该元素表示哪种数据，即APP_KEY
attrib,即属性，用Dictionary形式保存，即{'channel'='CSDN'}
text ,文本字符串，可以用来存储一些数据，即hello123456789
'''
#先加载文档到内存里，形成一个倒桩的树结构
tree = ET.parse('huihui.xml')
#获取根节点
root = tree.getroot()
huihui={}
for ele in root:
value=[]
for e in ele:
if e.text is None:
value.append(e.attrib)
else:
value.append({e.tag:e.text})
huihui[ele.attrib['name']]=value
print(huihui)
上述代码我们先引用了一个xml.etree.ElementTree库，并另取名ET，然后加载文档到tree内存中，形成一个倒桩的树结构，然后我们获取了文本的根节点root。建立一个for循环，让ele遍历root，得到根节点（即country），然后再使e遍历ele，获取到子节点，再进行判断，子节点中是否存在文本，如果不存在，在value列表中追加子节点的属性，如果存在，则以tag为key，以text为value的字典模式追加到value的列表中，最后我们以ele的属性名为key，对应的value列表为value放在字典huihui中，输出huihui。
我们还可以查找需要的根/子节点，并修改，如下：
#仍以上述为模板
nodes=root.findall('country')
for node in nodes:
if node.attrib['name']=='Liechtenstein':
root.remove(node)
tree.write('huihuihui.xml')
print('删除成功')
首先获取root中名为'country'的根节点，然后循环遍历，寻找属性名为'liechtenstein'的子节点，找到之后将其删除。
下面我们使用SAX解析XML
SAX是事件驱动的XML解析的标准接口。 使用SAX解析XML通常需要通过子类化xml.sax.ContentHandler来创建自己的ContentHandler。
ContentHandler处理XML样式/风格的特定标签和属性。 ContentHandler对象提供了处理各种解析事件的方法。它拥有的解析器在解析XML文件时调用ContentHandler方法。
在XML文件的开头和结尾分别调用：startDocument和endDocument方法。 characters(text)方法通过参数text传递XML文件的字符数据。
ContentHandler在每个元素的开头和结尾被调用。如果解析器不在命名空间模式下，则调用startElement(tag，attributes)和endElement(tag)方法; 否则，调用相应的方法startElementNS和endElementNS方法。 这里，tag是元素标签，属性是Attributes对象。
我们使用如下一个XML实践：
<?xml version="1.0" encoding="utf-8" ?>
<collection shelf = "New Arrivals">
<movie title = "Enemy Behind">
<type>War, Thriller</type>
<format>DVD</format>
<year>2013</year>
<rating>PG</rating>
<stars>10</stars>
<description>Talk about a US-Japan war</description>
</movie>
<movie title = "Transformers">
<type>Anime, Science Fiction</type>
<format>DVD</format>
<year>1989</year>
<rating>R</rating>
<stars>8</stars>
<description>A schientific fiction</description>
</movie>
<movie title = "Trigun">
<type>Anime, Action</type>
<format>DVD</format>
<episodes>4</episodes>
<rating>PG</rating>
<stars>10</stars>
<description>Vash the Stampede!</description>
</movie>
<movie title = "Ishtar">
<type>Comedy</type>
<format>VHS</format>
<rating>PG</rating>
<stars>2</stars>
<description>Viewable boredom</description>
</movie>
</collection>
代码如下：
#usr/bin/python
#-*-coding:utf-8-*-
import xml.sax
#首先引用xml.sax库
class MovieHandler(xml.sax.ContentHandler): #创建一个类
def __init__(self):
self.CurrentData = ""
self.type = ""
self.format = ""
self.year = ""
self.rating = ""
self.stars = ""
self.description = ""
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print("*****Movie*****")
title = attributes["title"]
print("Title:", title)
def characters(self, content):
if self.CurrentData == "type":
self.type = content
elif self.CurrentData == "format":
self.format = content
elif self.CurrentData == "year":
self.year = content
elif self.CurrentData == "rating":
self.rating = content
elif self.CurrentData == "stars":
self.stars = content
elif self.CurrentData == "description":
self.description = content
def endElement(self, tag):
if self.CurrentData == "type":
print("Type:", self.type)
elif self.CurrentData == "format":
print("Format:", self.format)
elif self.CurrentData == "year":
print("Year:", self.year)
elif self.CurrentData == "rating":
print("Rating:", self.rating)
elif self.CurrentData == "stars":
print("Stars:", self.stars)
elif self.CurrentData == "description":
print("Description:", self.description)
#清空缓冲区！！！
self.CurrentData = ""
if (__name__ == "__main__"):
# 1 创建一个XMLReader
parser = xml.sax.make_parser()
# 2关闭命名空间 namepsaces工作目录 工作空间 命名空间
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 3 覆盖默认的 ContextHandler
Handler = MovieHandler()
parser.setContentHandler(Handler) # 设置当前的ContentHandler为我们自己写的handler实例。
#parse() 加载
parser.parse("movie.xml") #上述的xml存储在movie.xml中
我们先创建一个类，然后初始化参数（根据要解析的xml中的参数），使用startElement，将获取到的值赋值给CurrentDate,然后判断CurrentDate的值是否为movie，如果是，打印一个*****movie*****，并给title赋值获取节点的属性名，在打印出来。如果值不为movie，则依次判断CurrentDate的值为哪个参数，判断到了，则赋值给那个参数，然后在endElement中将对应的值打印，最后再清除CurrentDate的值，然后继续循环下一个节点，所以整个类是将XML中每一个节点都查找一遍，根据对应的值将其打印的模式进行。最终输出一下结果：
*****Movie***** Title: Enemy Behind Type: War, Thriller Format: DVD Year: 2013 Rating: PG Stars: 10 Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Year: 1989 Rating: R Stars: 8 Description: A schientific fiction *****Movie***** Title: Trigun Type: Anime, Action Format: DVD Rating: PG Stars: 10 Description: Vash the Stampede! *****Movie***** Title: Ishtar Type: Comedy Format: VHS Rating: PG Stars: 2 Description: Viewable boredom