python 使用sax 解析xml 文件

我不是女神ヾ 2022-10-05 10:46 319阅读 0赞

这里不是说xml 的所以如果xml 不了解,可以百度大致看下即可,

## SAX知识了解 ##

SAX (simple API for XML )  有解析器和事件处理器

解析器负责读取XML文档，并向事件处理器发送事件，如元素开始跟元素结束事件。

而事件处理器则负责对事件作出响应，对传递的XML数据进行处理。

## sax的主要方法 ##

1 startDocument() : 文档启动的时候调用。

2 endDocument() : 解析器到达文档结尾时调用。

3 startElement(name, attrs): 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。

4 endElement(name) : 遇到XML结束标签时调用。

5 characters :内容处理

6 make\_parser : 创建一个解释器对象并返回

7 parser : 解析xml

## demo 练习 python的 sax 解析xml ##

### demo1 读取只有标签的xml ###

创建一个config.xml 的文件内容如下:

<?xml version="1.0" encoding="UTF-8"?>
    <config_content>
        <lib name="a" path="a的路径"/>
        <lib name="b" path="b的路径"/>
        <lib name="c" path="c的路径"/>
    </config_content>

代码如下

import xml.sax
    
    
    class ConfigHandler(xml.sax.ContentHandler):
    
        def __init__(self):
            self.tag = ""
            self.name = ""
            self.path = ""
    
        # 启动文档
        def startDocument(self):
            print("******解析配置文件开始******")
    
        # 开始解析xml
        def startElement(self, name, attributes):
            self.tag = name
            if name == "lib":
                self.name = attributes["name"]
                self.path = attributes["path"]
                print(self.name)
                print(self.path)
    
        # xml内容事件处理
        def characters(self, content):
            pass
    
        # 结束解析xml
        def endElement(self, name):
            pass
    
        # xml结束标签调用
        def endDocument(self):
            print("******配置文件解析结束******")
    
    
    if __name__ == "__main__":
        # 创建一个 XMLReader
        parser = xml.sax.make_parser()
        # turn off namepsaces
        parser.setFeature(xml.sax.handler.feature_namespaces, 0)
        # 重写 ContextHandler
        Handler = ConfigHandler()
        parser.setContentHandler(Handler)
        # 解析 xml 这里可以写xml 的具体路径,为了简单放在了同一个文件夹里面了
        parser.parse("config.xml")

打印结果如下

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMjEwMDQy_size_16_color_FFFFFF_t_70][]

由于读取的xml 只有标签这里内容处理和结束的时候并没有做其他的操作,可以出sax 读取xml 的时候是一行一行读取的,这里只有单行所以没有重复的问题,如果我们要使用读取的数据,可以把数据存放到 list 中或者存放到字典中,如下

class ConfigHandler(xml.sax.ContentHandler):
        config_map = {}
        config_name_list = []
        config_path_list = []
    
        def __init__(self):
            self.tag = ""
            self.name = ""
            self.path = ""
    
        # 启动文档
        def startDocument(self):
            print("******解析配置文件开始******")
    
        # 开始解析xml
        def startElement(self, name, attributes):
            self.tag = name
            if name == "lib":
                self.name = attributes["name"]
                self.path = attributes["path"]
                # print(self.name)
                # print(self.path)
                self.config_name_list.append(self.name)
                print(self.config_name_list)
                self.config_path_list.append(self.path)
                print(self.config_path_list)
                self.config_map.update({self.name: self.path})
                print(self.config_map)
    
        # xml内容事件处理
        def characters(self, content):
            pass
    
        # 结束解析xml
        def endElement(self, name):
            pass
        # xml结束标签调用
        def endDocument(self):
            print("******配置文件解析结束******")
    
    
    if __name__ == "__main__":
        # 创建一个 XMLReader
        parser = xml.sax.make_parser()
        # turn off namepsaces
        parser.setFeature(xml.sax.handler.feature_namespaces, 0)
        # 重写 ContextHandler
        Handler = ConfigHandler()
        parser.setContentHandler(Handler)
        # 解析 xml 这里可以写xml 的具体路径,为了简单放在了同一个文件夹里面了
        parser.parse("config.xml")

打印结果

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMjEwMDQy_size_16_color_FFFFFF_t_70 1][]

### demo2 读取同标签不同内容的xml ###

xml内容如下

<?xml version="1.0" encoding="UTF-8"?>
    <config_content>
        <type class="3年级">
            <lib name="体育">优秀</lib>
            <lib name="语文">一般</lib>
            <lib name="数学">优秀</lib>
        </type>
        <type class="5年级">
            <lib name="体育">一般</lib>
            <lib name="语文">优秀</lib>
            <lib name="数学">良好</lib>
        </type>
    </config_content>

python 代码如下

import xml.sax
    
    
    class ConfigHandler(xml.sax.ContentHandler):
    
        def __init__(self):
            self.tag = ""
            self.name = ""
            self.label = ""
            self.content = ""
    
        # 启动文档
        def startDocument(self):
            print("******解析配置文件开始******")
    
        # 开始解析xml
        def startElement(self, name, attributes):
            self.tag = name
            if name == "type":
                self.name = attributes["class"]
                print(self.name)
            if name == "lib":
                self.label = attributes["name"]
                print(self.label)
    
        # xml内容事件处理
        def characters(self, content):
            self.content = content
    
        # 结束解析xml
        def endElement(self, name):
            if name == "lib":
                print(self.content)
    
        # xml结束标签调用
        def endDocument(self):
            print("******配置文件解析结束******")
    
    
    if __name__ == "__main__":
        # 创建一个 XMLReader
        parser = xml.sax.make_parser()
        # turn off namepsaces
        parser.setFeature(xml.sax.handler.feature_namespaces, 0)
        # 重写 ContextHandler
        Handler = ConfigHandler()
        parser.setContentHandler(Handler)
        # 解析 xml 这里可以写xml 的具体路径,为了简单放在了同一个文件夹里面了
        parser.parse("config.xml")

打印结果如下

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMjEwMDQy_size_16_color_FFFFFF_t_70 2][]

###    demo3 读取相同标签多个标题的xml ###

xml 内容如下

<?xml version="1.0" encoding="UTF-8"?>
    <config_content>
        <school name="第六中学">
            <type class="2年级">
                <Language>优秀</Language>
                <Math>一般</Math>
                <English>优秀</English>
            </type>
            <type class="5年级">
                <Language>优秀</Language>
                <Math>一般</Math>
                <English>优秀</English>
            </type>
        </school>
          <school name="第九中学">
            <type class="1年级">
                <Language>优秀</Language>
                <Math>一般</Math>
                <English>优秀</English>
            </type>
            <type class="3年级">
                <Language>优秀</Language>
                <Math>一般</Math>
                <English>优秀</English>
            </type>
        </school>
    </config_content>

python 代码如下

import xml.sax
    
    
    class ConfigHandler(xml.sax.ContentHandler):
    
        def __init__(self):
            self.tag = ""
            self.name = ""
            self.label = ""
            self.content = ""
    
        # 启动文档
        def startDocument(self):
            print("******解析配置文件开始******")
    
        # 开始解析xml
        def startElement(self, name, attributes):
            self.tag = name
            if name == "school":
                self.name = attributes["name"]
                print(self.name)
            if name == "type":
                self.label = attributes["class"]
                print(self.label)
    
        # xml内容事件处理
        def characters(self, content):
            self.content = content
    
        # 结束解析xml
        def endElement(self, name):
            if name == "Language":
                print(self.content)
            elif name == "Math":
                print(self.content)
            elif name == "English":
                print(self.content)
    
        # xml结束标签调用
        def endDocument(self):
            print("******配置文件解析结束******")
    
    
    if __name__ == "__main__":
        # 创建一个 XMLReader
        parser = xml.sax.make_parser()
        # turn off namepsaces
        parser.setFeature(xml.sax.handler.feature_namespaces, 0)
        # 重写 ContextHandler
        Handler = ConfigHandler()
        parser.setContentHandler(Handler)
        # 解析 xml 这里可以写xml 的具体路径,为了简单放在了同一个文件夹里面了
        parser.parse("config.xml")

打印结果如下：

\*\*\*\*\*\*解析配置文件开始\*\*\*\*\*\*  
第六中学  
2年级  
优秀  
一般  
优秀  
5年级  
优秀  
一般  
优秀  
第九中学  
1年级  
优秀  
一般  
优秀  
3年级  
优秀  
一般  
优秀  
\*\*\*\*\*\*配置文件解析结束\*\*\*\*\*\*

最后总结，python 使用sax 读取xml 不难，可能存在组合数据的时候出现数据重现的问题，这个可以在拼接完数据之后，清空一下数据源，试试看，由于需求不一样，这里就不在写各种需求的组合数据了，大家注意一下数据重复问题即可。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMjEwMDQy_size_16_color_FFFFFF_t_70]: /images/20221005/115589e2f2664c10955b5d7b52f6dfbe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMjEwMDQy_size_16_color_FFFFFF_t_70 1]: /images/20221005/c25392aba17f4ea58a430457a5973a84.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzMzMjEwMDQy_size_16_color_FFFFFF_t_70 2]: /images/20221005/4418127c7dcc489a827f2764145f5e8c.png