1. 什么是 XML&＃xff1f;
XML 指可扩展标记语言&＃xff08;EXtensible Markup Language&＃xff09;。
a. XML 是一种很像HTML的标记语言。
b. XML 的设计宗旨是传输数据&＃xff0c;而不是显示数据。
c. XML 标签没有被预定义。您需要自行定义标签。
d. XML 被设计为具有自我描述性。
e. XML 是 W3C 的推荐标准。
2. XML 和 HTML 之间的差异
XML 不是 HTML 的替代。
a. XML 和 HTML 为不同的目的而设计&＃xff1a;
b. XML 被设计用来传输和存储数据&＃xff0c;其焦点是数据的内容。
c. HTML 被设计用来显示数据&＃xff0c;其焦点是数据的外观。
d. HTML 旨在显示信息&＃xff0c;而 XML 旨在传输信息。
3. 通过 XML 可以自定义标签
<note>
<to>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don&＃39;t forget me this weekend!</body>
</note>
上面实例中的标签没有在任何 XML 标准中定义过&＃xff08;比如 这些标签是由 XML 文档的创作者发明的。
这是因为 XML 语言没有预定义的标签。HTML 中使用的标签都是预定义的。HTML 文档只能使用在 HTML 标准中定义过的标签&＃xff08;如 XML 允许创作者定义自己的标签和自己的文档结构。
4. python中对XML的解析
XML比JSON复杂&＃xff0c;在Web中应用也不如以前多了&＃xff0c;不过仍有很多地方在用&＃xff0c;所以&＃xff0c;有必要了解如何操作XML。
python有三种方法解析XML&＃xff0c;SAX&＃xff0c;DOM&＃xff0c;以及 ElementTree。
本篇中使用到的XML实例文件如下&＃xff1a;movies.xml。
<collection shelf&＃61;"New Arrivals">
<movie title&＃61;"Enemy Behind">
<type>War, Thriller</type>
<format>DVD</format>
<year>2003</year>
<rating>PG</rating>
<stars>10</stars>
<description>Talk about a US-Japan war</description>
</movie>
<movie title&＃61;"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&＃61;"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&＃61;"Ishtar">
<type>Comedy</type>
<format>VHS</format>
<rating>PG</rating>
<stars>2</stars>
<description>Viewable boredom</description>
</movie>
</collection>
5. 使用 SAX方式 解析 xml
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&＃xff1a;负责读取 XML 文档&＃xff0c;并向事件处理器发送事件&＃xff0c;如元素开始跟元素结束事件。
事件处理器&＃xff1a;负责对事件作出响应&＃xff0c;对传递的 XML 数据进行处理。
(1) 对大型文件进行处理&＃xff1b;
(2) 只需要文件的部分内容&＃xff0c;或者只需从文件中得到特定信息&＃xff1b;
(3) 想建立自己的对象模型的时候。
在 python 中使用 SAX 方式处理 xml 要先引入 xml.sax 中的 parse 函数&＃xff0c;还有 xml.sax.handler 中的 ContentHandler。
import xml.sax
class MovieHandler(xml.sax.ContentHandler):
def __init__(self):
self.CurrentData &＃61; ""
self.type &＃61; ""
self.format &＃61; ""
self.year &＃61; ""
self.rating &＃61; ""
self.stars &＃61; ""
self.description &＃61; ""
def startElement(self, tag, attributes):
self.CurrentData &＃61; tag
if tag &＃61;&＃61; "movie":
print(&＃39;&＃39;)
print("Title:", attributes["title"])
def endElement(self, tag):
if self.CurrentData &＃61;&＃61; "type":
print("Type:", self.type)
elif self.CurrentData &＃61;&＃61; "format":
print("Format:", self.format)
elif self.CurrentData &＃61;&＃61; "year":
print("Year:", self.year)
elif self.CurrentData &＃61;&＃61; "rating":
print("Rating:", self.rating)
elif self.CurrentData &＃61;&＃61; "stars":
print("Stars:", self.stars)
elif self.CurrentData &＃61;&＃61; "description":
print("Description:", self.description)
self.CurrentData &＃61; ""
def characters(self, content):
if self.CurrentData &＃61;&＃61; "type":
self.type &＃61; content
elif self.CurrentData &＃61;&＃61; "format":
self.format &＃61; content
elif self.CurrentData &＃61;&＃61; "year":
self.year &＃61; content
elif self.CurrentData &＃61;&＃61; "rating":
self.rating &＃61; content
elif self.CurrentData &＃61;&＃61; "stars":
self.stars &＃61; content
elif self.CurrentData &＃61;&＃61; "description":
self.description &＃61; content
if __name__ &＃61;&＃61; "__main__":
parser &＃61; xml.sax.make_parser()
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
parser.setContentHandler(MovieHandler())
parser.parse("movies.xml")
6. 使用 DOM方式 解析 xml
文件对象模型&＃xff08;Document Object Model&＃xff0c;简称DOM&＃xff09;&＃xff0c;是W3C组织推荐的处理可扩展置标语言的标准编程接口。
一个 DOM 的解析器在解析一个XML文档时&＃xff0c;一次性读取整个文档&＃xff0c;把文档中所有元素保存在内存中的一个树结构里&＃xff0c;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&＃xff0c;也可以把修改过的内容写入xml文件。
DOM会把整个XML读入内存&＃xff0c;解析为树&＃xff0c;因此占用内存大&＃xff0c;解析慢&＃xff0c;优点是可以任意遍历树的节点。
在 python 中使用 DOM 方式处理 xml 则要通过 xml.dom.minidom 来解析 xml 文件。
import xml.dom.minidom
if __name__ &＃61;&＃61; "__main__":
DOMTree &＃61; xml.dom.minidom.parse("movies.xml")
collection &＃61; DOMTree.documentElement
if collection.hasAttribute("shelf"):
print("Root element : %s" % collection.getAttribute("shelf"))
movies &＃61; collection.getElementsByTagName("movie")
for movie in movies:
print(&＃39;&＃39;)
if movie.hasAttribute("title"):
print("Title: %s" % movie.getAttribute("title"))
type &＃61; movie.getElementsByTagName(&＃39;type&＃39;)[0]
print("Type: %s" % type.childNodes[0].data)
format &＃61; movie.getElementsByTagName(&＃39;format&＃39;)[0]
print("Format: %s" % format.childNodes[0].data)
rating &＃61; movie.getElementsByTagName(&＃39;rating&＃39;)[0]
print("Rating: %s" % rating.childNodes[0].data)
description &＃61; movie.getElementsByTagName(&＃39;description&＃39;)[0]
print("Description: %s" % description.childNodes[0].data)
7. 使用 ElementTree方式 解析xml
xml.etree.ElementTree&＃xff08;简称ET&＃xff09;模块提供了一个轻量级、Pythonic的API&＃xff0c;同时还有一个高效的C语言实现&＃xff0c;即xml.etree.cElementTree。与DOM相比&＃xff0c;ET的速度更快&＃xff0c;API使用更直接、方便。与SAX相比&＃xff0c;ET.iterparse函数同样提供了按需解析的功能&＃xff0c;不会一次性在内存中读入整个文档。ET的性能与SAX模块大致相仿&＃xff0c;但是它的API更加高层次&＃xff0c;用户使用起来更加便捷。
Element类型是一种灵活的容器对象&＃xff0c;用于在内存中存储结构化数据。
[注意] xml.etree.ElementTree模块在应对恶意结构数据时显得并不安全。
每个element对象都具有以下属性&＃xff1a;
1. tag&＃xff1a;string对象&＃xff0c;表示数据代表的种类。
2. attrib&＃xff1a;dictionary对象&＃xff0c;表示附有的属性。
3. text&＃xff1a;string对象&＃xff0c;表示element的内容。
4. tail&＃xff1a;string对象&＃xff0c;表示element闭合之后的尾迹。
<tag attrib1&＃61;1>text</tag>tail
1 2 3 4
import xml.etree.ElementTree as ET
tree &＃61; ET.parse(&＃39;movies.xml&＃39;)
root &＃61; tree.getroot()
for Node in root.findall("movie"):
print(&＃39;&＃39;)
for item in Node:
print(item.tag, &＃39;&＃xff1a;&＃39;, item.text)
8. 写在最后
更多详细API及demo请参考官网网站&＃xff1a;
https://docs.python.org/3.9/library/markup.html#structured-markup-processing-tools
京公网安备 11010802041100号