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:

  1.     start_element事件,在读取<a href="/">时;

  2.     char_data事件,在读取python时;

  3.     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。

标签:Python
0
投稿

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?

    2009-12-16 18:24:00
  • Python控制线程和函数超时处理

    2023-12-18 05:47:48
  • python中list.copy方法用法详解

    2023-09-16 11:48:30
  • python3正则模块re的使用方法详解

    2022-10-14 17:22:16
  • python连接PostgreSQL数据库的过程详解

    2023-08-24 03:42:31
  • pycharm使用技巧之自动调整代码格式总结

    2021-08-28 08:13:18
  • Python 创建新文件时避免覆盖已有的同名文件的解决方法

    2023-08-23 23:44:46
  • Django实现内容缓存实例方法

    2021-04-19 20:47:41
  • Golang中goroutine和channel使用介绍深入分析

    2023-07-07 16:51:48
  • 认识延迟时间为 0 的 setTimeout

    2008-04-04 16:37:00
  • 自己重新写了一个JavaScript的对象克隆函数

    2008-08-03 16:47:00
  • 浅谈Python 字符串格式化输出(format/printf)

    2021-04-27 12:59:01
  • 利用ASP.NET MVC和Bootstrap快速搭建响应式个人博客站(一)

    2023-07-06 23:47:39
  • python ChainMap的使用和说明详解

    2022-03-03 08:22:30
  • 用python实现打砖块小游戏

    2021-11-10 02:52:06
  • 在原窗口还是新窗口打开链接?

    2009-12-07 21:24:00
  • python requests.get带header

    2022-07-28 20:50:40
  • 认识MySQL数据库对服务器端光标的限制

    2009-03-25 17:35:00
  • Python基于pyCUDA实现GPU加速并行计算功能入门教程

    2021-11-01 08:24:58
  • GO语言利用K近邻算法实现小说鉴黄

    2023-06-21 17:15:25
  • asp之家 网络编程 m.aspxhome.com