Python3 XML 解析


什麼是 XML?

XML 指可擴展標記語言(eXtensible Markup Language),標準通用標記語言的子集,是一種用於標記電子檔案使其具有結構性的標記語言。 你可以透過本站學習 XML 教學

XML 被設計用來傳輸和儲存資料。

XML 是一套定義語意標記的規則,這些標記將檔案分成許多工具並對這些工具加以標識。

它也是元標記語言,即定義了用於定義其他與特定領域有關的、語意的、結構化的標記語言的句法語言。


Python 對 XML 的解析

常見的 XML 程式設計介面有 DOM 和 SAX,這兩種介面處理 XML 檔案的方式不同,當然使用場合也不同。

Python 有三種方法解析 XML,SAX,DOM,以及 ElementTree:

1.SAX (simple API for XML )

Python 模組庫包含 SAX 解析器,SAX 用事件驅動模型,透過在解析 XML 的過程中觸發一個個的事件並呼叫使用者定義的回呼函式來處理 XML 檔案。

2.DOM(Document Object Model)

將 XML 資料在記憶體中解析成一個樹,透過對樹的操作來操作 XML。

本章節使用到的 XML 例項檔案 movies.xml 內容如下:

<collection shelf="New Arrivals">
<movie title="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="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="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="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>

Python 使用 SAX 解析 xml

SAX 是一種基於事件驅動的API。

利用 SAX 解析 XML 檔案牽涉到兩個部分: 解析器事件處理器

解析器負責讀取 XML 檔案,並向事件處理器發送事件,如元素開始跟元素結束事件。

而事件處理器則負責對事件作出回應,對傳遞的 XML 資料進行處理。

  • 1、對大型檔案進行處理;
  • 2、只需要檔案的部分內容,或者只需從檔案中得到特定訊息。
  • 3、想建立自己的物件模型的時候。

在 Python 中使用 sax 方式處理 xml 要先引入 xml.sax 中的 parse 函式,還有 xml.sax.handler 中的 ContentHandler。

ContentHandler 類方法介紹

characters(content) 方法

呼叫時機:

從行開始,遇到標籤之前,存在字元,content 的值為這些字串。

從一個標籤,遇到下一個標籤之前, 存在字元,content 的值為這些字串。

從一個標籤,遇到行結束符之前,存在字元,content 的值為這些字串。

標籤可以是開始標籤,也可以是結束標籤。

startDocument() 方法

檔案啟動的時候呼叫。

endDocument() 方法

解析器到達檔案結尾時呼叫。

startElement(name, attrs) 方法

遇到XML開始標籤時呼叫,name 是標籤的名字,attrs 是標籤的屬性值字典。

endElement(name) 方法

遇到XML結束標籤時呼叫。


make_parser 方法

以下方法建立一個新的解析器物件並回傳。

xml.sax.make_parser( [parser_list] )

引數說明:

  • parser_list - 可選引數,解析器串列

parser 方法

以下方法建立一個 SAX 解析器並解析xml檔案:

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

引數說明:

  • xmlfile - xml檔名
  • contenthandler - 必須是一個 ContentHandler 的物件
  • errorhandler - 如果指定該引數,errorhandler 必須是一個 SAX ErrorHandler 物件

parseString 方法

parseString 方法建立一個 XML 解析器並解析 xml 字串:

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

引數說明:

  • xmlstring - xml字串
  • contenthandler - 必須是一個 ContentHandler 的物件
  • errorhandler - 如果指定該引數,errorhandler 必須是一個 SAX ErrorHandler物件

Python 解析XML範例

#!/usr/bin/python3

import xml.sax

class MovieHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.type = ""
      self.format = ""
      self.year = ""
      self.rating = ""
      self.stars = ""
      self.description = ""

   # 元素開始呼叫
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print ("*****Movie*****")
         title = attributes["title"]
         print ("Title:", title)

   # 元素結束呼叫
   def endElement(self, tag):
      if self.CurrentData == "type":
         print ("Type:", self.type)
      elif self.CurrentData == "format":
         print ("Format:", self.format)
      elif self.CurrentData == "year":
         print ("Year:", self.year)
      elif self.CurrentData == "rating":
         print ("Rating:", self.rating)
      elif self.CurrentData == "stars":
         print ("Stars:", self.stars)
      elif self.CurrentData == "description":
         print ("Description:", self.description)
      self.CurrentData = ""

   # 讀取字元時呼叫
   def characters(self, content):
      if self.CurrentData == "type":
         self.type = content
      elif self.CurrentData == "format":
         self.format = content
      elif self.CurrentData == "year":
         self.year = content
      elif self.CurrentData == "rating":
         self.rating = content
      elif self.CurrentData == "stars":
         self.stars = content
      elif self.CurrentData == "description":
         self.description = content
  
if ( __name__ == "__main__"):
   
   # 建立一個 XMLReader
   parser = xml.sax.make_parser()
   # 關閉命名空間
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

   # 重寫 ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )
   
   parser.parse("movies.xml")

以上程式碼執行結果如下:

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom

完整的 SAX API 檔案請查閱Python SAX APIs


使用xml.dom解析xml

檔案物件模型(Document Object Model,簡稱DOM),是W3C組織推薦的處理可擴展置標語言的標準程式設計介面。

一個 DOM 的解析器在解析一個 XML 檔案時,一次性讀取整個檔案,把檔案中所有元素儲存在記憶體中的一個樹結構里,之後你可以利用DOM 提供的不同的函式來讀取或修改檔案的內容和結構,也可以把修改過的內容寫入xml檔案。

python中用xml.dom.minidom來解析xml檔案,例項如下:

#!/usr/bin/python3

from xml.dom.minidom import parse
import xml.dom.minidom

# 使用minidom解析器開啟 XML 檔案
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("Root element : %s" % collection.getAttribute("shelf"))

# 在群集中取得所有電影
movies = collection.getElementsByTagName("movie")

# 列印每部電影的詳細訊息
for movie in movies:
   print ("*****Movie*****")
   if movie.hasAttribute("title"):
      print ("Title: %s" % movie.getAttribute("title"))

   type = movie.getElementsByTagName('type')[0]
   print ("Type: %s" % type.childNodes[0].data)
   format = movie.getElementsByTagName('format')[0]
   print ("Format: %s" % format.childNodes[0].data)
   rating = movie.getElementsByTagName('rating')[0]
   print ("Rating: %s" % rating.childNodes[0].data)
   description = movie.getElementsByTagName('description')[0]
   print ("Description: %s" % description.childNodes[0].data)

以上程式執行結果如下:

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom

完整的 DOM API 檔案請查閱Python DOM APIs