Python-Sax-xml分析

3,673次阅读
没有评论

共计 5565 个字符,预计需要花费 14 分钟才能阅读完成。

Python:使用基于事件驱动的SAX解析XML

SAX的特点:

  • 是基于事件的 API
  • 在一个比 DOM 低的级别上操作
  • 为您提供比 DOM 更多的控制
  • 几乎总是比 DOM 更有效率
  • 但不幸的是,需要比 DOM 更多的工作

基于对象和基于事件的接口

您可能已经知道语法分析器有两类接口 - 基于对象的(如:DOM)和基于事件(如:SAX)的接口。

DOM是基于对象的语法分析器的标准 API。

作为基于对象的接口,DOM 通过在内存中显示地构建对象树来与应用程序通信。对象树是 XML 文件中元素树的精确映射。

DOM 易于学习和使用,因为它与基本 XML 文档紧密匹配。然而,对于大多数应用程序,处理 XML 文档只是其众多任务中的一种。例如,记帐软件包可能导入 XML 发票,但这不是其主要活动。计算帐户余额、跟踪支出以及使付款与发票匹配才是主要活动。记帐软件包可能已经具有一个数据结构(最有可能是数据库)。DOM 模型不太适合记帐应用程序,因为在那种情况下,应用程序必须在内存中维护数据的两份副本(一个是 DOM 树,另一个是应用程序自己的结构)。至少,在内存维护两次数据会使效率下降。对于桌面应用程序来说,这可能不是主要问题,但是它可能导致服务器瘫痪。

对于不以 XML 为中心的应用程序,SAX 是明智的选择。实际上,SAX 并不在内存中显式地构建文档树。它使应用程序能用最有效率的方法存储数据。

基于事件驱动

基于事件的语法分析器将事件发送给应用程序。这些事件类似于用户界面事件,例如,浏览器中的 ONCLICK 事件或者 Java 中的 AWT/Swing 事件。

事件通知应用程序发生了某件事并需要应用程序作出反应。在浏览器中,通常为响应用户操作而生成事件:当用户单击按钮时,按钮产生一个 ONCLICK 事件。

在 XML 语法分析器中,事件与用户操作无关,而与正在读取的 XML 文档中的元素有关。有对于以下方面的事件:

  • 元素开始和结束标记
  • 元素内容
  • 实体
  • 语法分析错误

图 3 显示语法分析器在读取文档时如何生成事件。

Python-Sax-xml分析

清单 1 显示了 XML 格式的清单。它详细列出了不同公司对 XML 培训的收费。图 4 显示了价目表文档的结构。

清单 1. pricelist.xml
<?xml version="1.0"?>
<xbe:price-list xmlns:xbe="http://www.psol.com/xbe2/listing8.1">
   <xbe:product>XML Training</xbe:product>
   <xbe:price-quote price="999.00"  vendor="Playfield Training"/>
   <xbe:price-quote price="699.00"  vendor="XMLi"/>
   <xbe:price-quote price="799.00"  vendor="WriteIT"/>
   <xbe:price-quote price="1999.00" vendor="Emailaholic"/>
</xbe:price-list>
图 4. 价目表的结构

Python-Sax-xml分析

XML 语法分析器读取并解释该文档。每当它识别出文档中的某些内容,就会生成一个事件。

读取 清单 1 时,语法分析器首先读取 XML 声明并生成文档开始事件。当它遇到第一个开始标记 <xbe:price-list> 时,语法分析器生成它的第二个事件来通知应用程序已经遇到了 price-list 元素。

接下来,语法分析器看到 product 元素的开始标记(为简单起见,在本文其余部分,我将忽略名称空格和缩进空格)并生成它的第三个事件。

在开始标记后,语法分析器看到 product 元素的内容: XML Training ,它产生另一个事件。

下一个事件指出 product 元素的结束标记。语法分析器已经完成了对 product 元素的语法分析。到目前为止,它已经激发了 5 个事件: product 元素的 3 个事件,一个文档开始事件和一个 price-list 开始标记事件。

语法分析器现在移动到第一个 price-quote 元素。它为每个 price-quote 元素生成两个事件:一个开始标记事件和一个结束标记事件。

是的,即使将结束标记简化为开始标记中的 / 字符,语法分析器仍然生成一个结束事件。

有 4 个 price-quote 元素,所以语法分析器在分析它们时生成 8 个事件。最后,语法分析器遇到 price-list 的结束标记并生成它的最后两个事件:结束 price-list 和文档结束。

如图 5 所示,这些事件共同向应用程序描述了文档树。开始标记事件意味着“转到树的下一层”,而结束标记元素意味着“转到树的上一层”。

图 5. 语法分析器如何隐含地构建树

Python-Sax-xml分析

请注意,语法分析器传递了足够信息以构建 XML 文档的文档树,但是与 DOM 语法分析器不同,它并不显式地构建该树。

为何选择SAE而不是DOM

现在,我敢肯定你已经糊涂了。应该使用哪一种类型的 API,应该何时使用它 - SAX 还是 DOM?不幸的是,这个问题没有明确的答案。这两种 API 中没有一种在本质上更好;他们适用于不同的需求。

经验法则是在需要更多控制时使用 SAX;要增加方便性时,则使用 DOM。

例如,DOM 在脚本语言中很流行。

采用 SAX 的主要原因是效率。SAX 比 DOM 做的事要少,但提供了对语法分析器的更多控制。当然,如果语法分析器的工作减少,则意味着您(开发者)有更多的工作要做。

而且,正如我们已讨论的,SAX 比 DOM 消耗的资源要少,这只是因为它不需要构建文档树。

在 XML 早期,DOM 得益于 W3C 批准的官方 API 这一身份。逐渐地,开发者选择了功能性而放弃了方便性,并转向了 SAX。

SAX 的主要限制是它无法向后浏览文档。实际上,激发一个事件后,语法分析器就将其忘记。如您将看到的,应用程序必须显式地缓冲其感兴趣的事件。

 


 

使用Python解析XML的时候,需要 import xml.sax 和 xml.sax.handler

xml.sax

xml.sax提供了3个函数以及 SAX 异常类

make_parser方法

创建并返回一个SAX XMLReader对象

xml.sax.make_parser([parser_list])

  • parser_list – 可选参数,解析器列表
parse方法

创建一个 SAX 解析器并解析xml文档

xml.sax.parse(filename_or_stream, handler[, error_handler])

  • file_or_stream:xml文件名
  • handler:必须是一个ContentHandler的对象
  • error_handler:如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象
parseString方法

创建一个XML解析器并解析xml字符串

xml.sax.parseString(string, handler[, error_handler])

  • string: xml字符串
  • handler:必须是一个ContentHandler的对象
  • error_handler:如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象

 

ContentHandler类方法介绍

  • characters(content)方法
    • 调用时机
    • 从行开始,遇到标签之前,存在字符,content的值为这些字符串。
    • 从一个标签,遇到下一个标签之前, 存在字符,content的值为这些字符串。
    • 从一个标签,遇到行结束符之前,存在字符,content的值为这些字符串。
    • 标签可以是开始标签,也可以是结束标签。
  • startDocument()方法:文档启动的时候调用。
  • endDocument()方法:解析器到达文档结尾时调用。
  • startElement(name, attrs)方法:遇到XML开始标签时调用,name是标签的名字,attrs是标签的属性值字典。
  • endElement(name)方法:遇到XML结束标签时调用。

实验代码如下:

from xml.parsers.expat import ParserCreate

data = r'''<?xml version="1.0" encoding="UTF-8" standalone="yes" ?>
<rss version="2.0" xmlns:yweather="http://xml.weather.yahoo.com/ns/rss/1.0" xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#">
 <channel>
 <title>Yahoo! Weather - Beijing, CN</title>
 <lastBuildDate>Wed, 27 May 2015 11:00 am CST</lastBuildDate>
 <yweather:location city="Beijing" region="" country="China"/>
 <yweather:units temperature="C" distance="km" pressure="mb" speed="km/h"/>
 <yweather:wind chill="28" direction="180" speed="14.48" />
 <yweather:atmosphere humidity="53" visibility="2.61" pressure="1006.1" rising="0" />
 <yweather:astronomy sunrise="4:51 am" sunset="7:32 pm"/>
 <item>
 <geo:lat>39.91</geo:lat>
 <geo:long>116.39</geo:long>
 <pubDate>Wed, 27 May 2015 11:00 am CST</pubDate>
 <yweather:condition text="Haze" code="21" temp="28" date="Wed, 27 May 2015 11:00 am CST" />
 <yweather:forecast day="Wed" date="27 May 2015" low="20" high="33" text="Partly Cloudy" code="30" />
 <yweather:forecast day="Thu" date="28 May 2015" low="21" high="34" text="Sunny" code="32" />
 <yweather:forecast day="Fri" date="29 May 2015" low="18" high="25" text="AM Showers" code="39" />
 <yweather:forecast day="Sat" date="30 May 2015" low="18" high="32" text="Sunny" code="32" />
 <yweather:forecast day="Sun" date="31 May 2015" low="20" high="37" text="Sunny" code="32" />
 </item>
 </channel>
</rss>
'''
class WeatherSaxHandler(object):

    def __init__(self):
        super().__init__();
        self.datas=[];
        self.text={'city': None, 'country': None};
    def start_element(self, name, attrs):
        if name=='yweather:location':
            for key,value in attrs.items():
                if key=='city':
                    self.text[key]=value;
                elif key=='country':
                    self.text[key]=value;
        if name=='yweather:forecast':
            tmp={};
            for key,value in attrs.items():
                
                if key=='day':
                   tmp[key]=value;
                elif key=='date':
                    tmp[key]=value;
                elif key=='low':
                    tmp[key]=value;
                elif key=='high':
                    tmp[key]=value;
                elif key=='text':
                    tmp[key]=value;
                elif key=='code':
                    tmp[key]=value;
            self.datas.append(tmp);
    def end_element(self, name):

        pass;

    def char_data(self, text):
        pass;
def parse_weather(xml):
    handler = WeatherSaxHandler()
    parser = ParserCreate()
    parser.StartElementHandler = handler.start_element
    parser.EndElementHandler = handler.end_element
    parser.CharacterDataHandler = handler.char_data
    parser.Parse(xml)
    print( handler.datas);
    return {'today': {
            'text': handler.datas[0]['text'],
            'low': handler.datas[0]['low'],
            'high':handler.datas[0]['high']
            },
        'tomorrow': {
            'text': handler.datas[1]['text'],
            'low': handler.datas[1]['low'],
            'high':handler.datas[1]['high']
            }
                           }
print(parse_weather(data));
正文完
请博主喝杯咖啡吧!
post-qrcode
 
admin
版权声明:本站原创文章,由 admin 2015-12-02发表,共计5565字。
转载说明:除特殊说明外本站文章皆由CC-4.0协议发布,转载请注明出处。
评论(没有评论)
验证码