Python通过DOM和SAX方式解析XML的应用实例分享

什么是XML？

XML是一种用于存储和传输数据的标准格式，其全称为Extensible Markup Language（可拓展标记语言）。XML与HTML类似，也是一种标记语言，但XML数据的表示和标记与HTML有很大不同，XML更加灵活和可扩展。

XML解析方式

XML解析指的是将XML数据转换为可操作的对象或数据结构。Python支持两种主要的XML解析方式：DOM（文档对象模型）和SAX（简单API for XML）。

DOM解析

DOM解析是将整个XML文档读入内存，并将其转换为树形结构存储在内存中，这种解析方式适用于需要操作整个XML文档的情况。Python内置的xml.dom模块提供了DOM解析器，可以轻松地进行DOM解析。

以下是DOM解析的示例：

import xml.dom.minidom

# 加载XML文件
dom = xml.dom.minidom.parse('example.xml')

# 查找根元素
root = dom.documentElement

# 查找子元素
first_child = root.childNodes[0]

# 打印子元素的文本内容
print(first_child.firstChild.data)

SAX解析

SAX解析是将XML文档按顺序解析，并通过事件通知应用程序读取XML文档中的数据，这种解析方式适用于大型XML文档。Python内置的xml.sax模块提供了SAX解析器，可以轻松地进行SAX解析。

以下是SAX解析的示例：

import xml.sax

# 定义事件处理器
class ExampleHandler(xml.sax.ContentHandler):
    def startElement(self, name, attrs):
        print('Element start: ', name)
    def endElement(self, name):
        print('Element end: ', name)
    def characters(self, content):
        print('Element content: ', content)

# 创建SAX解析器并解析XML
parser = xml.sax.make_parser()
parser.setContentHandler(ExampleHandler())
parser.parse('example.xml')

示例说明

下面将以两个具体的XML文档为例，分别演示DOM和SAX的解析方式，以及如何使用Python操作它们。

示例1：books.xml

<?xml version="1.0"?>
<catalog>
  <book id="bk101">
    <author>Gambardella, Matthew</author>
    <title>XML Developer's Guide</title>
    <price>44.95</price>
  </book>
  <book id="bk102">
    <author>Ralls, Kim</author>
    <title>Midnight Rain</title>
    <price>5.95</price>
  </book>
</catalog>

DOM解析

import xml.dom.minidom

# 加载XML文件
dom = xml.dom.minidom.parse('books.xml')

# 查找根元素
root = dom.documentElement

# 查找所有book元素
books = root.getElementsByTagName('book')

# 打印每本书的信息
for book in books:
    # 获取book元素的id属性
    book_id = book.getAttribute('id')
    # 获取book元素的子元素
    author = book.getElementsByTagName('author')[0].firstChild.data
    title = book.getElementsByTagName('title')[0].firstChild.data
    price = book.getElementsByTagName('price')[0].firstChild.data
    # 打印书的信息
    print('Book ID:', book_id)
    print('Author:', author)
    print('Title:', title)
    print('Price:', price)
    print('---')

输出结果：

Book ID: bk101
Author: Gambardella, Matthew
Title: XML Developer's Guide
Price: 44.95
---
Book ID: bk102
Author: Ralls, Kim
Title: Midnight Rain
Price: 5.95
---

SAX解析

import xml.sax

# 定义事件处理器
class ExampleHandler(xml.sax.ContentHandler):
    def __init__(self):
        self.current_element = ''
        self.current_book_id = ''
        self.current_author = ''
        self.current_title = ''
        self.current_price = ''

    def startElement(self, name, attrs):
        self.current_element = name
        if name == 'book':
            self.current_book_id = attrs['id']

    def endElement(self, name):
        self.current_element = ''
        if name == 'book':
            # 打印书的信息
            print('Book ID:', self.current_book_id)
            print('Author:', self.current_author)
            print('Title:', self.current_title)
            print('Price:', self.current_price)
            print('---')
            # 重置当前书的信息
            self.current_book_id = ''
            self.current_author = ''
            self.current_title = ''
            self.current_price = ''

    def characters(self, content):
        if self.current_element == 'author':
            self.current_author = content
        elif self.current_element == 'title':
            self.current_title = content
        elif self.current_element == 'price':
            self.current_price = content

# 创建SAX解析器并解析XML
parser = xml.sax.make_parser()
parser.setContentHandler(ExampleHandler())
parser.parse('books.xml')

输出结果：

Book ID: bk101
Author: Gambardella, Matthew
Title: XML Developer's Guide
Price: 44.95
---
Book ID: bk102
Author: Ralls, Kim
Title: Midnight Rain
Price: 5.95
---

示例2：students.xml

<?xml version="1.0"?>
<students>
  <student id="001">
    <name>Bob</name>
    <age>18</age>
    <gender>Male</gender>
  </student>
  <student id="002">
    <name>Alice</name>
    <age>19</age>
    <gender>Female</gender>
  </student>
</students>

DOM解析

import xml.dom.minidom

# 加载XML文件
dom = xml.dom.minidom.parse('students.xml')

# 查找根元素
root = dom.documentElement

# 查找所有student元素
students = root.getElementsByTagName('student')

# 打印每个学生的信息
for student in students:
    # 获取student元素的id属性
    student_id = student.getAttribute('id')
    # 获取student元素的子元素
    name = student.getElementsByTagName('name')[0].firstChild.data
    age = student.getElementsByTagName('age')[0].firstChild.data
    gender = student.getElementsByTagName('gender')[0].firstChild.data
    # 打印学生的信息
    print('Student ID:', student_id)
    print('Name:', name)
    print('Age:', age)
    print('Gender:', gender)
    print('---')

输出结果：

Student ID: 001
Name: Bob
Age: 18
Gender: Male
---
Student ID: 002
Name: Alice
Age: 19
Gender: Female
---

SAX解析

import xml.sax

# 定义事件处理器
class ExampleHandler(xml.sax.ContentHandler):
    def __init__(self):
        self.current_element = ''
        self.current_student_id = ''
        self.current_name = ''
        self.current_age = ''
        self.current_gender = ''

    def startElement(self, name, attrs):
        self.current_element = name
        if name == 'student':
            self.current_student_id = attrs['id']

    def endElement(self, name):
        self.current_element = ''
        if name == 'student':
            # 打印学生的信息
            print('Student ID:', self.current_student_id)
            print('Name:', self.current_name)
            print('Age:', self.current_age)
            print('Gender:', self.current_gender)
            print('---')
            # 重置当前学生的信息
            self.current_student_id = ''
            self.current_name = ''
            self.current_age = ''
            self.current_gender = ''

    def characters(self, content):
        if self.current_element == 'name':
            self.current_name = content
        elif self.current_element == 'age':
            self.current_age = content
        elif self.current_element == 'gender':
            self.current_gender = content

# 创建SAX解析器并解析XML
parser = xml.sax.make_parser()
parser.setContentHandler(ExampleHandler())
parser.parse('students.xml')

输出结果：

Student ID: 001
Name: Bob
Age: 18
Gender: Male
---
Student ID: 002
Name: Alice
Age: 19
Gender: Female
---

上述示例是针对较小的XML文档进行的演示，对于较大的XML文档，使用SAX解析方式能够更加高效。同时，DOM解析方式提供的树形结构也方便对整个XML文档进行操作，具体使用方式需按照需求选择。