1 XML概述
1.1 XML简介
【定义】
XML 指可扩展标记语言（eXtensibleMarkupLanguage）。可扩展标记语言（英语：Extensible Markup Language，简称：XML）是一种标记语言，是从标准通用标记语言（SGML）中简化修改出来的。它主要用到的有可扩展标记语言、可扩展样式语言（XSL）、XBRL和XPath等。
【用途】
传输和存储数据。
【特点】
与开发语言的操作系统无关，可跨平台实现操作系统间的通信。
【具象描述】
可扩展标记语言；很像HTML的标记语言；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；可以自定义标签对；被设计为具有自我描述性；W3C 的推荐标准。
1.2 XML语法
XML的一个小例子，可以参考上一节学习的内容。
<person><name>小明</name><sex>男</sex><age>18</age></person>
【声明】（可选择项）
从上面代码中可以看到，一个XML包含一个声明<?xml version="1.0" encoding="utf-8"?>
【标签】
必须有一个关闭标签。简单来说，XML必须有开始标签和结束标签，而且标签对的名称对大小写敏感。
【属性值】
属性值必须使用引号引起来。例如class="red"中red就要使用引号括起来，如下：
<personclass="red"><name>张三</name></person>
【特殊转义符】
转义后 |
转义前 |
解释描述 |
< |
< |
less than |
> |
> |
greater than |
& |
& |
ampersand |
' |
' |
apostrophe |
" |
" |
quotation mark |
【注释】
<!-- 这是一个人对象 --><person><name>张三</name><age>18</age><person>
2 Python解析XML
> 从上面的学习中，我已经了解什么是XML，下面就开始使用Python来解析XML文件。Python 有三种方法解析 XML，他们是「SAX」「DOM」，以及 「ElementTree」。
2.1 解析XML方式&实验文件
1. SAX (simple API for XML )【流式读取，需自定义回调函数】
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。
2. DOM（Document Object Model）【不建议使用，慢，占用内存】
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。
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。
比如，这里是一份xml文件persons.xml
<persons><personsid="001"><name>张小帅</name><sex>男</sex><age>18</age></person><personsid="002"><name>刘晓萌</name><sex>女</sex><age>21</age></person><personsid="003"><name>王老四</name><sex>男</sex><age>38</age></person></persons>
2.2 SAX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」。
将下面的内容写在一个SaxPersons.py文件中，
#!/usr/bin/python# -*- coding: UTF-8 -*-importxml.saxclassPersonHandler( xml.sax.ContentHandler ): def__init__(self): self.CurrentData=""self.name=""self.sex=""self.age=""# 开始元素事件defstartElement(self, tag, attributes): self.CurrentData=tagiftag=="person": print ("*****person*****") sid=attributes["sid"] print ("编号:", sid) # 结束元素事件defendElement(self, tag): ifself.CurrentData=="name": print ("姓名：", self.name) elifself.CurrentData=="sex": print ("性别：", self.sex) elifself.CurrentData=="age": print ("年龄：", self.age ) self.CurrentData=""# 元素内容事件处理defcharacters(self, content): ifself.CurrentData=="name": self.name=contentelifself.CurrentData=="sex": self.sex=contentelifself.CurrentData=="age": self.age=contentif ( __name__=="__main__" ): # 创建一个 XMLReader 对象parser=xml.sax.make_parser() # 打开一个执行空间parser.setFeature(xml.sax.handler.feature_namespaces, 0) # 重写 ContextHandler 指向我们自定义的执行器``PersonHandler``Handler=PersonHandler() parser.setContentHandler( Handler ) # 解析转换指定路径上的XML文件parser.parse("persons.xml")py
在Python3环境下，执行命令python3 SaxPersons.py解析结果如下：
Aion,Liu$python3SaxPersons.py
执行后的结果如下：
*****person*****
编号: 001
姓名： 张小帅
性别： 男
年龄： 18
*****person*****
编号: 002
姓名： 刘晓萌
性别： 女
年龄： 21
*****person*****
编号: 003
姓名： 王老四
性别： 男
年龄： 38
🔑 Python官方提供了针对SAX2的解析支持：https://docs.python.org/3/library/xml.sax.html
2.3 DOM（xml.dom）解析xml
python中用xml.dom.minidom来解析xml文件。
下面，我们使用persons.xml作为实验对象，来解析xml。下面是我们的python文件DomPersons.py。
「实验脚本」
#!/usr/bin/python# -*- coding: UTF-8 -*-fromxml.dom.minidomimportparseimportxml.dom.minidom# 使用minidom解析器打开 XML 文档DOMTree=xml.dom.minidom.parse("persons.xml") collection=DOMTree.documentElementifcollection.hasAttribute("shelf"): print ("根元素 : %s"%collection.getAttribute("shelf")) # 在集合中获取所有同学persons=collection.getElementsByTagName("person") # 遍历同学信息forpersoninpersons: print ("*****person*****") ifperson.hasAttribute("sid"): print ("编号: %s"%person.getAttribute("sid")) name=person.getElementsByTagName('name')[0] print ("姓名: %s"%name.childNodes[0].data) sex=person.getElementsByTagName('sex')[0] print ("性别: %s"%sex.childNodes[0].data) age=person.getElementsByTagName('age')[0] print ("年龄: %s"%age.childNodes[0].data)
在Python3环境下，执行python3 DomPersons.py解析结果如下：
「执行脚本」
Aion.Liu$python3DomPersons.py
「输出内容」
*****person*****
编号: 001
姓名: 张小帅
性别: 男
年龄: 18
*****person*****
编号: 002
姓名: 刘晓萌
性别: 女
年龄: 21
*****person*****
编号: 003
姓名: 王老四
性别: 男
年龄: 38
🔑 Python官方提供解析支持：https://docs.python.org/3/library/xml.dom.html
2.4 ElementTree解析xml
警告：该xml.etree.ElementTree模块对恶意构建的数据不安全。如果您需要解析不受信任或未经身份验证的数据，请参阅[XML 漏洞]，地址为https://docs.python.org/release/3.9.9/library/xml.html#xml-vulnerabilities。
当然，我们还是使用上面的persons.xml文件来作为我们的实验对象。下面是我们的python文件ElePersons.py。
#!/usr/bin/python# -*- coding: UTF-8 -*-importxml.etree.ElementTreeasET# 导入文件到python对象，也可以一步到位，直接使用``persons = ET.fromstring(country_data_as_string) ``，这个代码同下面两行等价tree=ET.parse('persons.xml') persons=tree.getroot() # 迭代子节点 forindex, personinenumerate(persons): print ("第%s个%s同学，编号：%s"% (index, person.tag, person.attrib)) # 子节点是嵌套的，使用索引来获取fori, pinenumerate(person): print ("标签名称：%s，标签内容：%s"% (p.tag, p.text))
在Python3环境下，执行python3 ElePersons.py解析结果如下：
「执行脚本」
Aion.Liu$python3ElePersons.py
「输出内容」
第0个person同学，编号：{'sid': '001'}
标签名称：name，标签内容：张小帅
标签名称：sex，标签内容：男
标签名称：age，标签内容：18
第1个person同学，编号：{'sid': '002'}
标签名称：name，标签内容：刘晓萌
标签名称：sex，标签内容：女
标签名称：age，标签内容：21
第2个person同学，编号：{'sid': '003'}
标签名称：name，标签内容：王老四
标签名称：sex，标签内容：男
标签名称：age，标签内容：38
2.5 ElementTree 详细解析
「🛎语法格式」
xml.etree.ElementTree.Element(tag, attrib={}, **extra)
「🩸 属性tag」
一个字符串，用于标识此元素表示的数据类型（简单说就是元素类型）。例如在我们上面的解析过程中，我们使用persons获取对象后，获取他的标签对是persons。
>>>importxml.etree.ElementTreeasET>>>persons=ET.parse('persons.xml').getroot() >>>print (persons.tag) persons
在嵌套的对象中，我们使用迭代元素之后，可以循环遍历这个对象的标签，如下所示，其中使用了Python中的内置函数enumerate，该函数用于将一个可遍历的数据对象（如列表、元组或字符串）组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中：
「执行脚本」
>>>forindex, personinenumerate(persons): ... print (person.tag) ... personpersonperson
🔑 关于Python内置函数，可以参考官方提供文档：https://docs.python.org/release/3.10.4/library/functions.html
「🩸 属性attrib」
元素属性的字典。下面获取每个同学的属性，学籍编号，如下面所示：
>>>forindex, personinenumerate(persons): ... print (person.attrib) ... {'sid': '001'} {'sid': '002'} {'sid': '003'}
「🩸 属性text」
标签对的内容。从下面的代码中，可以看到。text是针对标签对的内容或值。
>>>forindex, personinenumerate(persons): ... forpi, pinenumerate(person): ... print (p.tag) ... print (p.text) ... print ("------------") ...
「输出内容」
name
张小帅
------------
sex
男
------------
age
18
------------
name
刘晓萌
------------
sex
女
------------
age
21
------------
name
王老四
------------
sex
男
------------
age
38
------------
「🤔 思考」
如果我想要打印出来persons这个对象的text内容，将会是什么呢，有兴趣的可以尝试下？
🔑 Python官方提供解析支持：https://docs.python.org/release/3.9.9/library/xml.etree.elementtree.html#module-xml.etree.ElementTree
