技术学习：Python（05）｜操作XML

艾特

发布于 2023-10-10 14:47:37

1970

发布于 2023-10-10 14:47:37

🏮1 XML概述

🎈1.1 XML简介

定义：XML 指可扩展标记语言（eXtensible Markup Language）。可扩展标记语言（英语：Extensible Markup Language，简称：XML）是一种标记语言，是从标准通用标记语言（SGML）中简化修改出来的。它主要用到的有可扩展标记语言、可扩展样式语言（XSL）、XBRL和XPath等
用途：传输和存储数据。
特点：与开发语言的操作系统无关，可跨平台实现操作系统间的通信。
具象描述：可扩展标记语言；很像HTML的标记语言；设计宗旨是传输数据，而不是显示数据；XML 标签没有被预定义；可以自定义标签对；被设计为具有自我描述性；W3C 的推荐标准。

🎈1.2 XML语法

XML的一个小例子，可以参考上一节学习的内容。

<?xml version="1.0" encoding="utf-8"?>
<person>
	<name>小明</name>
	<sex>男</sex>
	<age>18</age>
</person>

声明（可选择项） 从上面代码中可以看到，一个XML包含一个声明<?xml version="1.0" encoding="utf-8"?>

标签必须有一个关闭标签。简单来说，XML必须有开始标签和结束标签，而且标签对的名称对大小写敏感。

属性值 属性值必须使用引号引起来。例如class="red"中red就要使用引号括起来，如下：

<person class="red">
	<name>张三</name>
</person>

特殊转义符

转义后	转义前	解释
<	<	less than
>	>	greater than
&	&	ampersand
'	'	apostrophe
"	"	quotation mark

注释

<!-- 这是一个人对象 -->
<person>
	<name>张三</name>
	<age>18</age>
<person>

🏮2 Python解析XML

从上面的学习中，我已经了解什么是XML，下面就开始使用Python来解析XML文件。Python 有三种方法解析 XML，他们是SAX，DOM，以及 ElementTree

🎈2.1 解析XML方式&实验文件

SAX (simple API for XML )【流式读取，需自定义回调函数】 Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，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。
DOM（Document Object Model）【不建议使用，慢，占用内存】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。
ElementTree（元素树） ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

比如，这里是一份xml文件persons.xml

<?xml version="1.0" encoding="utf-8"?>
<persons>
	<person sid="001">
		<name>张小帅</name>
		<sex>男</sex>
		<age>18</age>
	</person>
	<person sid="002">
		<name>刘晓萌</name>
		<sex>女</sex>
		<age>21</age>
	</person>
	<person sid="003">
		<name>王老四</name>
		<sex>男</sex>
		<age>38</age>
	</person>
</persons>

🎈2.2 SAX解析xml

SAX是一种基于事件驱动的 API。利用SAX解析XML文档牵涉到两个部分: 解析器和事件处理器。

将下面的内容写在一个SaxPersons.py文件中，

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import xml.sax
 
class PersonHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.name = ""
      self.sex = ""
      self.age = ""
 
   # 开始元素事件
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "person":
         print ("*****person*****")
         sid = attributes["sid"]
         print ("编号:", sid)
 
   # 结束元素事件
   def endElement(self, tag):
      if self.CurrentData == "name":
         print ("姓名：", self.name)
      elif self.CurrentData == "sex":
         print ("性别：", self.sex)
      elif self.CurrentData == "age":
         print ("年龄：", self.age )     
      self.CurrentData = ""
 
   # 元素内容事件处理
   def characters(self, content):
      if self.CurrentData == "name":
         self.name = content
      elif self.CurrentData == "sex":
         self.sex = content
      elif self.CurrentData == "age":
         self.age = content
  
if ( __name__ == "__main__" ):
   
   # 创建一个 XMLReader 对象
   parser = xml.sax.make_parser()
   
   # 打开一个执行空间
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)
 
   # 重写 ContextHandler 指向我们自定义的执行器``PersonHandler``
   Handler = PersonHandler()
   parser.setContentHandler( Handler )
   
   # 解析转换指定路径上的XML文件
   parser.parse("persons.xml")

在Python3环境下，执行命令python3 SaxPersons.py解析结果如下：

xxx$ python3 SaxPersons.py

*****person*****
编号: 001
姓名： 张小帅
性别： 男
年龄： 18
*****person*****
编号: 002
姓名： 刘晓萌
性别： 女
年龄： 21
*****person*****
编号: 003
姓名： 王老四
性别： 男
年龄： 38

🔑 Python官方提供了针对SAX2的解析支持： https://docs.python.org/3/library/xml.sax.html

🎈2.3 DOM（xml.dom）解析xml

python中用xml.dom.minidom来解析xml文件。

下面，我们使用persons.xml作为实验对象，来解析xml。下面是我们的python文件DomPersons.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-

from xml.dom.minidom import parse
import xml.dom.minidom
 
# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse("persons.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("根元素 : %s" % collection.getAttribute("shelf"))
 
# 在集合中获取所有同学
persons = collection.getElementsByTagName("person")
 
 # 遍历同学信息
for person in persons:
   print ("*****person*****")
   if person.hasAttribute("sid"):
      print ("编号: %s" % person.getAttribute("sid"))
 
   name = person.getElementsByTagName('name')[0]
   print ("姓名: %s" % name.childNodes[0].data)
   
   sex = person.getElementsByTagName('sex')[0]
   print ("性别: %s" % sex.childNodes[0].data)
   
   age = person.getElementsByTagName('age')[0]
   print ("年龄: %s" % age.childNodes[0].data)

在Python3环境下，执行python3 DomPersons.py解析结果如下：

xxx$ python3 DomPersons.py
*****person*****
编号: 001
姓名: 张小帅
性别: 男
年龄: 18
*****person*****
编号: 002
姓名: 刘晓萌
性别: 女
年龄: 21
*****person*****
编号: 003
姓名: 王老四
性别: 男
年龄: 38

🔑 Python官方提供解析支持： https://docs.python.org/3/library/xml.dom.html

🎈2.4 ElementTree解析xml

警告：该xml.etree.ElementTree模块对恶意构建的数据不安全。如果您需要解析不受信任或未经身份验证的数据，请参阅XML 漏洞。

当然，我们还是使用上面的persons.xml文件来作为我们的实验对象。下面是我们的python文件ElePersons.py

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import xml.etree.ElementTree as ET

# 导入文件到python对象，也可以一步到位，直接使用``persons = ET.fromstring(country_data_as_string) ``，这个代码同下面两行等价
tree = ET.parse('persons.xml')
persons = tree.getroot()

# 迭代子节点 
for index, person in enumerate(persons):
    print ("第%s个%s同学，编号：%s" % (index, person.tag, person.attrib))

    # 子节点是嵌套的，使用索引来获取
    for i, p in enumerate(person):
        print ("标签名称：%s，标签内容：%s" % (p.tag, p.text))

在Python3环境下，执行python3 ElePersons.py解析结果如下：

xxx$ python3 ElePersons.py
第0个person同学，编号：{'sid': '001'}
标签名称：name，标签内容：张小帅
标签名称：sex，标签内容：男
标签名称：age，标签内容：18
第1个person同学，编号：{'sid': '002'}
标签名称：name，标签内容：刘晓萌
标签名称：sex，标签内容：女
标签名称：age，标签内容：21
第2个person同学，编号：{'sid': '003'}
标签名称：name，标签内容：王老四
标签名称：sex，标签内容：男
标签名称：age，标签内容：38

🎈2.5 ElementTree 详细解析

🛎语法格式 xml.etree.ElementTree.Element(tag, attrib={}, **extra)

🩸 tag 一个字符串，用于标识此元素表示的数据类型（简单说就是元素类型）。例如在我们上面的解析过程中，我们使用persons获取对象后，获取他的标签对是persons。

>>> import xml.etree.ElementTree as ET
>>> persons = ET.parse('persons.xml').getroot()
>>> print (persons.tag)
persons

在嵌套的对象中，我们使用迭代元素之后，可以循环遍历这个对象的标签，如下所示，其中使用了Python中的内置函数enumerate，该函数用于将一个可遍历的数据对象（如列表、元组或字符串）组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中：

>>> for index, person in enumerate(persons):
...     print (person.tag)
...
person
person
person

🔑 关于Python内置函数，可以参考官方提供文档：https://docs.python.org/release/3.10.4/library/functions.html

🩸 attrib 元素属性的字典。下面获取每个同学的属性，学籍编号，如下面所示：

>>> for index, person in enumerate(persons):
...     print (person.attrib)
...
{'sid': '001'}
{'sid': '002'}
{'sid': '003'}

🩸 text 标签对的内容。从下面的代码中，可以看到。text是针对标签对的内容或值。

>>> for index, person in enumerate(persons):
...     for pi, p in enumerate(person):
...         print (p.tag)
...         print (p.text)
...         print ("------------")
...
name
张小帅
------------
sex
男
------------
age
18
------------
name
刘晓萌
------------
sex
女
------------
age
21
------------
name
王老四
------------
sex
男
------------
age
38
------------

🤔 思考：如果我想要打印出来persons这个对象的text内容，将会是什么呢，有兴趣的可以尝试下？

🔑 Python官方提供解析支持：https://docs.python.org/release/3.9.9/library/xml.etree.elementtree.html#module-xml.etree.ElementTree

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2022-08-06，如有侵权请联系 cloudcommunity@tencent.com 删除

python