Python解析xml

淡淡的烟草味﹌ 2022-10-19 14:59 220阅读 0赞

SAX(simple API for XML)事件驱动，解析xml，该方法的核心是标签式解析，即逐行解析对应的标签来进行解析，优点是解析速度快，由事件进行驱动，分为标签起始事件，内容事件，标签结束事件。读取时需要构建对应解析的事件类。用来快速读取xml信息。

DOM对象驱动，解析xml，是以将xml作为对象进行解析，与ASX相比解析速度慢，DOM解析时需要创建树，在内存中对树的解析操作来解析xml，可用来修改xml。

ElementTree将xml以一种树形展开式进行解析，类似于C/C++树的形式，比DOM简单。

# 加载包 #

SAX 			import xml.sax
    DOM 			import xml.dom.minidom
    ElementTree 	import xml.etree.ElementTree

本次使用的xml文件内容为

<?xml version="1.0" encoding="utf-8" ?>
    <body title="python xml test">
        <class title="ZX Test 1" type="python xml">
            <number>1</number>
            <Text>ptrhon xml test 1</Text>
            <time>2019</time>
            <next title="ZX nest 1">
                <valueInfo type="str"><V>1.1</V></valueInfo>
                <valueInfo type="str"><V>1.2</V></valueInfo>
            </next>
        </class>
        <class title="ZX Test 2" type="python xml">
            <number>2</number>
            <Text>ptrhon xml test 2</Text>
            <time>2021</time>
            <next title="ZX nest 2">
                <valueInfo type="str"><V>2.1</V></valueInfo>
                <valueInfo type="str"><V>2.2</V></valueInfo>
            </next>
    	</class>
    </body>

# SAX：读取xml文件 #

由于SAX是基于标签读取，因此文件中的换行回车空格都会被当成内容读取  
![在这里插入图片描述][20210711214100920.png]  
![在这里插入图片描述][20210711214108202.png]  
![在这里插入图片描述][20210711214116438.png]  
因此先将内容保存，然后输出纯tag内容标签  
![在这里插入图片描述][2021071121413440.png]  
Python代码

class PythonXmlTest(xml.sax.ContentHandler): # 继承sax.ContentHandler
    	def __init__(self):
    		xml.sax.ContentHandler.__init__(self)
    		self.__tag = [] # 保存对应tag标签
    		self.__data = "" # 临时保存对应tag标签内容
    
    	# 文档解析开始
    	def startDocument(self):
    		print("start read xml")
    
    	# 文档解析结束
    	def endDocument(self):
    		print("end read xml")
    
    	# 重写xml元素开始事件，<tag>解析
    	def startElement(self, tag, xmlarray):
    		if xmlarray.getLength() > 0:
    			for i, value in enumerate(xmlarray.getNames()):
    				# 打印tag头部的内容
    				print("tag info:", tag, value, xmlarray.getValue(value))
    				self.__tag.append(tag)
    
    
    	# 重写xml元素结束事件，</tag>解析
    	def endElement(self, tag):
    		if tag != "" and tag not in self.__tag:
    			# 输出非头部tag标签内容，即纯数据标签内容
    			print ("----%s:%s" % (tag, self.__data)) 
    			self.__data = ""	
    
    	# 重写xml获取内容事件,获取标签中的内容
    	def characters(self, content):
    		self.__data = content #保存临时内容

执行结果

start read xml
    tag info: body title python xml test
    tag info: class title ZX Test 1
    tag info: class type python xml
    ----number:1
    ----Text:ptrhon xml test 1
    ----time:2019
    tag info: next title ZX nest 1
    tag info: valueInfo type str
    ----V:1.1
    tag info: valueInfo type str
    ----V:1.2
    tag info: class title ZX Test 2
    tag info: class type python xml
    ----number:2
    ----Text:ptrhon xml test 2
    ----time:2021
    tag info: next title ZX nest 2
    tag info: valueInfo type str
    ----V: 2.1
    tag info: valueInfo type str
    ----V:2.2
    end read xml

# DOM：读取xml文件 #

目前仍需要查找公共的解法，将标签内容解耦

Python代码

import xml.dom.minidom
    
    def PythonReadXML(xmlName):
    	domTree = xml.dom.minidom.parse(xmlName)
    	bodyData = domTree.documentElement
    
    	if bodyData.hasAttribute("title"): # 获取root树的标签内容
    		print (bodyData.nodeName, bodyData.getAttribute("title"))
    	
    	firstValue = bodyData.firstChild
    
    	# 获取root树下的节点
    	for classInfo in bodyData.getElementsByTagName("class"):
    		if classInfo.hasAttribute("title"):
    			print (classInfo.nodeName, classInfo.getAttribute("title"))
    		
    		# 获取该节点下的值
    		print ("----number:", classInfo.getElementsByTagName('number')[0].childNodes[0].data)
    		print ("----Text:", classInfo.getElementsByTagName('Text')[0].childNodes[0].data)
    		print ("----time:", classInfo.getElementsByTagName('time')[0].childNodes[0].data)
    
    		# 更新节点信息
    		# UpdateData(classInfo, 'time', time.strftime('%Y-%m-%d %w %H:%M:%S'))
    
    		# 获取class下的节点
    		for nextInfo in classInfo.getElementsByTagName("next"):
    			if nextInfo.hasAttribute("title"):
    				print ("----%s: %s" % (nextInfo.nodeName, nextInfo.getAttribute("title")))
    
    			# 获取next下的节点
    			for value in nextInfo.getElementsByTagName("valueInfo"):
    				if value.hasAttribute("type"):
    					print ("--------%s: %s" % (value.nodeName, value.getAttribute("type")))
    
    				try: # 对于没有值的标签，需要捕获异常
    					pValue = value.getElementsByTagName('V')[0].childNodes[0].data
    				except IndexError:
    					print ("--------V:empty")
    				else:
    					print ("--------V:", pValue)
    					
    PythonReadXML("./pyxml.xml")

执行结果

body python xml test       
    class ZX Test 1
    ----number: 1
    ----Text: ptrhon xml test 1
    ----time: 2019
    ----next: ZX nest 1        
    --------valueInfo: str     
    --------V: 1.1
    --------valueInfo: str
    --------V: 1.2
    class ZX Test 2
    ----number: 2
    ----Text: ptrhon xml test 2
    ----time: 2021
    ----next: ZX nest 2
    --------valueInfo: str
    --------V: 2.1
    --------valueInfo: str
    --------V: 2.2

# ElementTree：读取xml文件 #

既然ElementTree将xml以一种树形展开式进行解析，可以直接使用C/C++读取二叉树的形式，对xml进行解析。

Python代码

import xml.etree.ElementTree
    
    def TreeReadXml(xmlInfo):
    	if not xmlInfo:
    		return
    
    	for child in xmlInfo:
    		if child.attrib:
    			print("tag:%s info:%s" % (child.tag, child.attrib))
    		else:
    			print("----%s:%s" % (child.tag, child.text))
    		TreeReadXml(child)
    
    def PythonTreeReadXml(xmlFile):
    	xmlTree = xml.etree.ElementTree.parse(xmlFile)
    	xmlRoot = xmlTree.getroot()
    	print("root tag:%s root info:%s" % (xmlRoot.tag, xmlRoot.attrib))
    	TreeReadXml(xmlRoot)
    
    PythonTreeReadXml("./pyxml.xml")

执行结果

root tag:body root info:{'title': 'python xml test'}
    tag:class info:{'title': 'ZX Test 1', 'type': 'python xml'}
    ----number:1
    ----Text:ptrhon xml test 1
    ----time:2019
    tag:next info:{'title': 'ZX nest 1'}
    tag:valueInfo info:{'type': 'str'}
    ----V:1.1
    tag:valueInfo info:{'type': 'str'}
    ----V:1.2
    tag:class info:{'title': 'ZX Test 2', 'type': 'python xml'}
    ----number:2
    ----Text:ptrhon xml test 2
    ----time:2021
    tag:next info:{'title': 'ZX nest 2'}
    tag:valueInfo info:{'type': 'str'}
    ----V:2.1
    tag:valueInfo info:{'type': 'str'}
    ----V:2.2

[20210711214100920.png]: /images/20221004/ba510d9c344e4a0baf7a68ed8a0eb249.png
[20210711214108202.png]: /images/20221004/3a086a0524d34bb0a7e32d99a28c5e48.png
[20210711214116438.png]: /images/20221004/dddda3368dd5433680a898fa20b6e86b.png
[2021071121413440.png]: /images/20221004/7c17b9e6fb714445b53e862699cd34a0.png