在Python中处理XML的教程_Python

在Python中处理XML的教程

2020-06-16 09:51廖雪峰 Python

这篇文章主要介绍了在Python中处理XML的教程,是Python网络编程中的基础知识,需要的朋友可以参考下

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：

1	`<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)