XML（Extensible Markup Language）中文译为可扩展标记语言，它是一种简单、灵活、易扩展的文本格式，它主要关注数据内容，常用来传送、存储数据。
当通过 XML 来传送数据时，自然会涉及到 XML 的解析工作，通常 Python 可以通过如下三种方式来解析 XML：
- DOM：该方式将整个 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。
- SAX：该方式将逐行扫描 XML 文档，边扫描边解析，占用内存较小，速度较快，缺点是不能像 DOM 方式那样长期留驻在内存，数据不是长久的，事件过后，若没保存数据，数据会丢失。
- ElementTree：该方式几乎兼具了 DOM 方式与 SAX 方式的优点，占用内存较小、速度较快、使用也较为简单。
写入
首先，我们通过 Python 创建一个 XML 文档并向其中写入一些数据，实现代码如下所示：
from xml.etree import ElementTree as et import xml.dom.minidom as minidom # 创建根节点 root = et.Element('school') names = ['张三', '李四'] genders = ['男', '女'] ages = ['20', '18'] # 添加子节点 student1 = et.SubElement(root, 'student') student2 = et.SubElement(root, 'student') et.SubElement(student1, 'name').text = names[0] et.SubElement(student1, 'gender').text = genders[0] et.SubElement(student1, 'age').text = ages[0] et.SubElement(student2, 'name').text = names[1] et.SubElement(student2, 'gender').text = genders[1] et.SubElement(student2, 'age').text = ages[1] # 将根目录转化为树行结构 tree = et.ElementTree(root) rough_str = et.tostring(root, 'utf-8') # 格式化 reparsed = minidom.parseString(rough_str) new_str = reparsed.toprettyxml(indent='\t') f = open('test.xml', 'w', encoding='utf-8') # 保存 f.write(new_str) f.close()
解析
我们分别使用 DOM、SAX、ElementTree 方式解析上面生成的 XML 文件。
DOM 方式
看一下如何通过 DOM 方式进行解析，实现代码如下所示：
from xml.dom.minidom import parse # 读取文件 dom = parse('test.xml') # 获取文档元素对象 elem = dom.documentElement # 获取 student stus = elem.getElementsByTagName('student') for stu in stus: # 获取标签中内容 name = stu.getElementsByTagName('name')[0].childNodes[0].nodeValue gender = stu.getElementsByTagName('gender')[0].childNodes[0].nodeValue age = stu.getElementsByTagName('age')[0].childNodes[0].nodeValue print('name:', name, ', gender:', gender, ', age:', age)
name: 张三 , gender: 男 , age: 20 name: 李四 , gender: 女 , age: 18
SAX 方式
import xml.sax class StudentHandler(xml.sax.ContentHandler): def __init__(self): self.name = '' self.age = '' self.gender = '' # 元素开始调用 def startElement(self, tag, attributes): self.CurrentData = tag # 元素结束调用 def endElement(self, tag): if self.CurrentData == 'name': print('name:', self.name) elif self.CurrentData == 'gender': print('gender:', self.gender) elif self.CurrentData == 'age': print('age:', 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 == 'gender': self.gender = content elif self.CurrentData == 'age': self.age = content if (__name__ == "__main__"): # 创建 XMLReader parser = xml.sax.make_parser() # 关闭命名空间 parser.setFeature(xml.sax.handler.feature_namespaces, 0) # 重写 ContextHandler Handler = StudentHandler() parser.setContentHandler(Handler) parser.parse('test.xml')
name: 张三 gender: 男 age: 20 name: 李四 gender: 女 age: 18
ElementTree 方式
import xml.etree.ElementTree as et tree = et.parse('test.xml') # 根节点 root = tree.getroot() for stu in root: print('name:', stu[0].text, ', gender:', stu[1].text, ', age:', stu[2].text)
name: 张三 , gender: 男 , age: 20 name: 李四 , gender: 女 , age: 18
