PYTHON XML解析-SAX解析

1.SAX模块

SAX是一种基于事件驱动的API，利用SAX解析XML牵扯到两个部分，解析器和事件处理器。其中解析器负责读取XML文档，并向事件处理器发送事件；事件处理器负责做出响应，对处理的XML数据进行处理。
常用情况：
1.对大型文件进行处理
2.只需要文件的部分内容，或者只需要从文件中得到特定信息
3.想建立自己的对象模型

2.ContentHandler类常用函数介绍

2.1 startDocument( self )

文档启动的时候调用

2.2 endDocument( self )

文档解析结束后调用

2.3 startElement( self, 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，例如<user name='MoonMonster'>，那么便可使用attrs['name']来获取name的值。

2.4 endElement( self, name )

遇到XML结束标签时调用，name是结束标签的名称

2.5 characters( self, content )

包含在标签中的值，content就是被包含的值

3.XML示例

<?xml version="1.0"?>
<collection shelf="New Arrivals">
    <movie title="Enemy Behind">
        <type>War, Thriller</type>
        <format>DVD</format>
        <year>2003</year>
        <rating>PG</rating>
        <stars>10</stars>
        <description>Talk about a US-Japan war</description>
    </movie>
    <movie title="Transformers">
        <type>Anime, Science Fiction</type>
        <format>DVD</format>
        <year>1989</year>
        <rating>R</rating>
        <stars>8</stars>
        <description>A schientific fiction</description>
    </movie>
</collection>

4.实例

如果只是需要从文档中把所有的数据都读取出来，那么直接从character()函数中保存content数据即可，然后在endElement()函数中存储。需要注意的是，这种写法需要将没有直接内容的标签排除掉，例如movie标签，不然会出现没有数据的标签出现数据的情况。还有一点需要注意，如果标签中的数据换行了，会带来很多意料之外的情况，像下面这种。

<movie title="Enemy Behind">
    <stars>
        10
    </stars>
    <description>Talk about a US-Japan war</description>
</movie>

---

from xml import sax


class MovieHandler(sax.ContentHandler):
    def __init__(self):
        super().__init__()
        self.content = None
        self.item = {}
        self.items = []

    def startDocument(self):
        print('XML文档解析开始...')

    def startElement(self, name, attrs):
        if name == 'movie':
            title = attrs['title']
            self.item.update(title=title)

    def characters(self, content):
        self.content = content

    def endElement(self, name):
        if name == 'movie':
            self.items.append(self.item)
            self.item = {}
        else:
            self.item.update({name: self.content})

    def endDocument(self):
        for item in self.items:
            print(item)
            print('*' * 80)
        print('XML文档解析结束...')


if __name__ == '__main__':
    handler = MovieHandler()
    parser = sax.make_parser()
    parser.setContentHandler(handler)
    parser.parse('sax.xml')

或者参照网上其他人的写法:
在这个例子中，使用了self.CurrentData来保存当前标签，但有一个坑的地方是，在endElement函数中，无法获取到像movie这种标签的结束标签。

from xml import sax


class MovieHandler(sax.ContentHandler):
    def __init__(self):
        super().__init__()
        # 初始化数据，并增加一个当前数据
        self.CurrentData = ""
        self.type = ""
        self.format = ""
        self.year = ""
        self.rating = ""
        self.stars = ""
        self.description = ""

    # 文档启动的时候调用
    def startDocument(self):
        print('XML开始解析中...')

    # 元素开始事件处理
    def startElement(self, name, attrs):
        self.CurrentData = name
        if self.CurrentData == 'movie':
            print('*********movie*********')
            title = attrs['title']
            print('Title:{0}'.format(title))

    # 内容事件处理
    def characters(self, content):
        if self.CurrentData == "type":
            self.type = content
        elif self.CurrentData == "format":
            self.format = content
        elif self.CurrentData == "year":
            self.year = content
        elif self.CurrentData == "rating":
            self.rating = content
        elif self.CurrentData == "stars":
            self.stars = content
        elif self.CurrentData == "description":
            self.description = content

    # 元素结束事件处理
    def endElement(self, name):
        if self.CurrentData == 'type':
            print('Type:{0}'.format(self.type))
        elif self.CurrentData == 'format':
            print('Format:{0}'.format(self.format))
        elif self.CurrentData == 'year':
            print('Year:{0}'.format(self.year))
        elif self.CurrentData == 'rating':
            print('Rating:{0}'.format(self.rating))
        elif self.CurrentData == 'stars':
            print('Stars:{0}'.format(self.stars))
        elif self.CurrentData == 'description':
            print('Description:{0}'.format(self.description))
        self.CurrentData = ""

    # 文档结束的时候调用
    def endDocument(self):
        print('XML文档解析结束!')


if __name__ == '__main__':
    handler = MovieHandler()
    parser = sax.make_parser()
    # parser.setFeature(sax.handler.feature_namespaces, 0)
    parser.setContentHandler(handler)
    parser.parse("sax.xml")

5.参考

https://blog.csdn.net/qq_38377523/article/details/78350548
https://www.cnblogs.com/chenadong/p/9117156.html
https://www.cnblogs.com/miniren/p/5091744.html