在python中处理xml的教程

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:

python

会产生3个事件:

start_element事件,在读取时;
char_data事件,在读取python时;
end_element事件,在读取时。

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”’

python
ruby

”’
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”)
l.append(r”)
l.append(encode(‘some & data’))
l.append(r”)
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。

Posted in 未分类