Hexo
0%

python：解析xml(1):SAX

发表于 更新于 分类于

XML

xml：可扩展标记语言

——>用来传输和存储数据

——没有预定义的标签

——对html的补充

描述：独立于软件和硬件的信息传输工具

python对xml的解析：

  1. SAX：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：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：轻量级的DOM

对比：DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）

python使用SAX解析xml

SAX是一种基于事件驱动的 API，牵涉到两个部分: 解析器和事件处理器。

  1. 解析器：读取XML文档，并向事件处理器发送事件，如元素开始跟元素结束事件。
  2. 事件处理器：负责对事件作出响应，对传递的XML数据进行处理。

  • 引入：import xml.sax

  • 继承基类，自定义相关的类

    • init方法
    • ContebtHandler类方法
      • characters(content)：内容事件处理
      • startDocument() ：文档启动的时候调用
      • endDocument() ：解析器到达文档结尾时调用
      • startElement(name, attrs)：遇到XML开始标签时调用，name是标签的名字，attrs是标签的属性值字典
      • endElement(name) ：遇到XML结束标签时调用
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
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 = ""
 
   # 元素开始事件处理
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print "*****Movie*****"
         title = attributes["title"]
         print "Title:", title
 
   # 元素结束事件处理
   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 = ""
 
   # 内容事件处理
   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__"):
   
   # 创建一个 XMLReader
   parser = xml.sax.make_parser()
   # turn off namepsaces
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)
 
   # 重写 ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )
   
   parser.parse("movies.xml")