30天拿下Python之使用xml

希望睿智 2024-06-28 07:50:53

💡 如果想阅读最新的文章,或者有技术问题需要交流和沟通,可搜关注微信公众号号号“希望睿智”。

概述

在上一节,我们介绍了Python的正则表达式,包括:正则表达式的定义、正则表达式的语法、re.search函数、re.match函数、re.findall函数、re.sub函数、re.compile函数、re.finditer函数、re.split函数等内容。在这一节,我们将介绍如何在Python中使用xml。

XML英文全称为eXtensible Markup Language,中文为可扩展标记语言,是一种类似于HTML,但是没有使用预定义标记的语言。因此,XML可以根据自己的设计需求来定义专属的标记。最重要的是,因为XML的基本格式是标准化的,如果你在本地或互联网上跨系统或平台共享或传输XML,接收者仍然可以解析收到的数据。一句话总结就是:XML被设计用来传输和存储数据,不用于表现和展示数据,HTML则用来表现数据。

在Python中,通常使用如下几种方式来处理xml。

SAX:英文全称为Simple API for XML,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,数据便会丢失。

DOM:英文全称为Document Object Model,会将整个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。

ElementTree:元素树,兼具了SAX方式和DOM方式的优点,占用内存较小,速度较快,使用较简单。

SAX

SAX是一种基于事件的解析XML的接口,它不会将整个文档加载到内存中,而是逐行或逐个元素地读取文档,然后触发相应的事件。在Python中,可以使用内置的xml.sax模块来实现SAX解析器。该模块提供了一组基本的事件处理器类,可以用于处理XML的不同部分,比如:元素、属性、文本等。由于SAX不会将整个文档加载到内存中,因此它更适合处理大型XML文档。

假如有如下的Friends.xml文件:

<?xml version='1.0' encoding='UTF-8'?><Friends>  <Friend>    <Name>Mike</Name>    <Age>18</Age>  </Friend>  <Friend>    <Name>Tom</Name>    <Age>16</Age>  </Friend></Friends>

我们可以使用下面的示例代码来读取这个Friends.xml文件。

import osimport xml.saxclass FriendHandler(xml.sax.ContentHandler):    def __init__(self):        self.name = ''        self.age = ''    # 元素开始时调用    def startElement(self, tag, attributes):        self.CurrentData = tag    # 元素结束时调用    def endElement(self, tag):        if self.CurrentData == 'Name':            print('Name is', self.name)        elif self.CurrentData == 'Age':            print('Age is', 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 ==  'Age':            self.age = contentparser = xml.sax.make_parser()Handler = FriendHandler()parser.setContentHandler(Handler)path = os.getcwd() + 'Friends.xml'parser.parse(path)

在上面的示例代码中,我们定义了一个名为FriendHandler的类,它继承了xml.sax.ContentHandler类,并实现了其中的三个方法,分别为:startElement、endElement和characters。当解析器遇到元素开始标签时,会调用startElement方法。当遇到元素结束标签时,会调用endElement方法。当遇到元素内的文本时,会调用characters方法。运行示例代码后,其输出如下:

Name is MikeAge is 18Name is TomAge is 16

DOM

DOM是一种用于表示HTML和XML文档的接口标准,它提供了一种方式,使得开发者可以通过编程方式访问和修改文档的内容和结构。在Python中,可以使用多种库来实现DOM解析器,比如:xml.dom.minidom、lxml等。

在下面的示例代码中,我们使用xml.dom.minidom来解析上面提到的Friends.xml文件。另外,我们还可以使用minidom.parseString来解析xml字符串。

import xml.dom.minidom as minidomdoc = minidom.parse('Friends.xml')root = doc.documentElement children = root.childNodesfor child in children:    if child.nodeName == 'Friend':        name = child.getElementsByTagName('Name')[0]        print('Name is', name.childNodes[0].data)        age = child.getElementsByTagName('Age')[0]        print('Age is', age.childNodes[0].data)

ElementTree

ElementTree提供了一个简单而高效的API用于解析和创建XML数据,它使用了一种基于树的模型来表示XML文档,使得我们可以很方便地访问和修改XML数据的元素和属性。

在下面的示例代码中,我们使用ElementTree来解析上面提到的Friends.xml文件。

import xml.etree.ElementTree as ETtree = ET.parse('Friends.xml')root = tree.getroot()for friend in root:    name = friend[0]    print('Name is', name.text)    age = friend[1]    print('Age is', age.text)

使用ElementTree,我们还可以很方便地生成xml,并保存到文件或字符串中。下面示例代码中生成的Friends_new.xml文件的内容,与上面提到的Friends.xml文件的内容相同。

import xml.etree.ElementTree as ET  root = ET.Element('Friends')  child = ET.SubElement(root, 'Friend')child_name = ET.SubElement(child, 'Name')child_name.text = 'Mike'child_age = ET.SubElement(child, 'Age')child_age.text = '18'child = ET.SubElement(root, 'Friend')child_name = ET.SubElement(child, 'Name')child_name.text = 'Tom'child_age = ET.SubElement(child, 'Age')child_age.text = '16'   tree = ET.ElementTree(root)with open('Friends_new.xml', 'wb') as file:    tree.write(file, 'UTF-8')

0 阅读:0

希望睿智

简介:软件技术分享,一起学习,一起成长,一起进步