python之XML文件解析

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，分别是SAX，DOM，以及ElementTree三种方法。

以下案例依次介绍三种方法：

先写一个关于book的xml文件

<books><book id="01"><bookname>python入门</bookname><author>李强</author><price>25</price></book><book id="02"><bookname>java基础</bookname><author>王洋</author><price>30</price></book><book id="03"><bookname>神雕侠侣</bookname><author>金庸</author><price>212</price></book></books>

1.DOM(Document Object Model)

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。

操作代码如下：

#引入parse的包
from xml.dom.minidom import parsedoc=parse("book.xml")                   #先把xml文件加载进来
root=doc.documentElement                #获取元素的根节点
books=root.getElementsByTagName('book') #找到子节点，得到的是一个数组for book in books:                       #把所有的子节点进行遍历print("===book====")if book.hasAttribute('id'):             #如果有ID属性，则输出print('书的ID是：%s'% book.getAttribute('id'))bookname=book.getElementsByTagName("bookname")[0]  #根据标签名找到，并且输出第一个元素print("书名是：%s"%bookname.childNodes[0].data)      #输出标签名的子节点的第一个值，并转为data类型author=book.getElementsByTagName("author")[0]print("作者是：%s"%author.childNodes[0].data)price=book.getElementsByTagName("price")[0]print("价格是：%s"%price.childNodes[0].data)

2.SAX (simple API for XML )

python 标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

from xml.sax import parse, ContentHandler #引入继承包ContentHandler#书的类
class Book:#定义初始化属性，和xml文件属性相同def __init__(self,bookname=None,author=None,price=None):self.bookname=booknameself.author=authorself.price=pricedef __str__(self):  #转化为字符串输出return self.bookname+","+self.author+","+self.pricebooks=[]#定义一个书的数组,用来存放每次得到的数据#定义继承ContentHandler的类，可以实现相应的方法
class bkdemo(ContentHandler):def __init__(self):#定义全局变量self.book=None #用来接收book的相应数据self.tag=None  #用来接收characters方法得到的content内容def startDocument(self): #books对象开始print("对象开始")def endDocument(self):  #books对象结束print("对象结束")def startElement(self, name, attrs): #每一个标签元素的开始，name：标签名称 attrs:标签内部相应属性if name=='book':  #如果标签名是bookself.book=Book()  #创建一个Book()对象def endElement(self, name):  #每一个标签元素的结束，name：标签名称 （此时才会得到相应的content）if name=='bookname':self.book.bookname=self.tag  #对象的标签名=得到相应content的值if name=='author':self.book.author=self.tagif name=='price':self.book.price=self.tagif name=='book':books.append(self.book)  #为定义的数组追加得到的相应元素def characters(self, content):self.tag=content   #写了self的，就可以定义为全局变量
parse("book.xml",bkdemo())  #parse的方法，分别指明xml文件，并调用查找的类方法
for i in books:   #对数组books[]循环print(i)

3.ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

from xml.etree import ElementTree  #引入ElementTree的包
#书的类
class Book:#定义初始化属性，和xml文件属性相同def __init__(self,bookname=None,author=None,price=None):self.bookname=booknameself.author=authorself.price=pricedef __str__(self):  #转化为字符串输出return self.bookname+","+self.author+","+self.priceroota=ElementTree.parse("book.xml") #parse方法读取xml文件，得到元素树
bk=roota.findall("book")  #findall查询所有的book标签
boo=[]   #定义一个集合
for aa in bk:   #对得到的所有的根元素下的子标签循环输出book=Book()   #定义一个类对象book.bookname=aa.find("bookname").text #对象的相应标签值=子标签查找到的固定标签名，并以text形式输出book.author=aa.find("author").textbook.price=aa.find("price").textboo.append(book)  #将得到的属性值追加到定义的集合中for i in boo:  #遍历集合print(i)

输出结果：

python入门,李强,25
java基础,王洋,30
神雕侠侣,金庸,212Process finished with exit code 0

注：因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

本章节使用到的 XML 实例文件 movies.xml 内容如下：