在Python中处理XML的教程
作者:廖雪峰 时间:2021-08-04 17:36:01
XML虽然比JSON复杂,在Web中应用也不如以前多了,不过仍有很多地方在用,所以,有必要了解如何操作XML。
DOM vs SAX
操作XML有两种方法:DOM和SAX。DOM会把整个XML读入内存,解析为树,因此占用内存大,解析慢,优点是可以任意遍历树的节点。SAX是流模式,边读边解析,占用内存小,解析快,缺点是我们需要自己处理事件。
正常情况下,优先考虑SAX,因为DOM实在太占内存。
在Python中使用SAX解析XML非常简洁,通常我们关心的事件是start_element,end_element和char_data,准备好这3个函数,然后就可以解析xml了。
举个例子,当SAX解析器读到一个节点时:
<a href="/">python</a>
会产生3个事件:
start_element事件,在读取<a href="/">时;
char_data事件,在读取python时;
end_element事件,在读取</a>时。
用代码实验一下:
from xml.parsers.expat import ParserCreate
class DefaultSaxHandler(object):
def start_element(self, name, attrs):
print('sax:start_element: %s, attrs: %s' % (name, str(attrs)))
def end_element(self, name):
print('sax:end_element: %s' % name)
def char_data(self, text):
print('sax:char_data: %s' % text)
xml = r'''<?xml version="1.0"?>
<ol>
<li><a href="/python">Python</a></li>
<li><a href="/ruby">Ruby</a></li>
</ol>
'''
handler = DefaultSaxHandler()
parser = ParserCreate()
parser.returns_unicode = True
parser.StartElementHandler = handler.start_element
parser.EndElementHandler = handler.end_element
parser.CharacterDataHandler = handler.char_data
parser.Parse(xml)
当设置returns_unicode为True时,返回的所有element名称和char_data都是unicode,处理国际化更方便。
需要注意的是读取一大段字符串时,CharacterDataHandler可能被多次调用,所以需要自己保存起来,在EndElementHandler里面再合并。
除了解析XML外,如何生成XML呢?99%的情况下需要生成的XML结构都是非常简单的,因此,最简单也是最有效的生成XML的方法是拼接字符串:
L = []
L.append(r'<?xml version="1.0"?>')
L.append(r'<root>')
L.append(encode('some & data'))
L.append(r'</root>')
return ''.join(L)
如果要生成复杂的XML呢?建议你不要用XML,改成JSON。
小结
解析XML时,注意找出自己感兴趣的节点,响应事件时,把节点数据保存起来。解析完毕后,就可以处理数据。
练习一下解析Yahoo的XML格式的天气预报,获取当天和最近几天的天气:
http://weather.yahooapis.com/forecastrss?u=c&w=2151330
参数w是城市代码,要查询某个城市代码,可以在weather.yahoo.com搜索城市,浏览器地址栏的URL就包含城市代码。
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
如何解决客户机页面刷新时连接不上数据库问题?
Python控制线程和函数超时处理
![](https://img.aspxhome.com/file/2023/2/77802_0s.png)
python中list.copy方法用法详解
python3正则模块re的使用方法详解
![](https://img.aspxhome.com/file/2023/5/94035_0s.jpg)
python连接PostgreSQL数据库的过程详解
pycharm使用技巧之自动调整代码格式总结
![](https://img.aspxhome.com/file/2023/7/75117_0s.png)
Python 创建新文件时避免覆盖已有的同名文件的解决方法
Django实现内容缓存实例方法
Golang中goroutine和channel使用介绍深入分析
认识延迟时间为 0 的 setTimeout
自己重新写了一个JavaScript的对象克隆函数
浅谈Python 字符串格式化输出(format/printf)
利用ASP.NET MVC和Bootstrap快速搭建响应式个人博客站(一)
![](https://img.aspxhome.com/file/2023/6/56056_0s.jpg)
python ChainMap的使用和说明详解
用python实现打砖块小游戏
![](https://img.aspxhome.com/file/2023/6/83716_0s.jpg)
在原窗口还是新窗口打开链接?
python requests.get带header
![](https://img.aspxhome.com/file/2023/1/97091_0s.jpg)
认识MySQL数据库对服务器端光标的限制
Python基于pyCUDA实现GPU加速并行计算功能入门教程
![](https://img.aspxhome.com/file/2023/2/85332_0s.jpg)