[有趣的Python 5] XML文件解析

sakulagi

这次的学习目标是搞清楚基本的xml解析在Python的流程。

我准备解析下面这个文档(关于xml的知识可以到http://www.w3.org上查看相关的Recommendations)：
代码:

1. <catalog>;
   
2.   <book isbn="1-56592-724-9">;
   
3.     <title>;The Cathedral & the Bazaar</title>;
   
4.     <author>;Eric S. Raymond</author>;
   
5.   </book>;
   
6.   <book isbn="1-56592-051-1">;
   
7.     <title>;Making TeX Work</title>;
   
8.     <author>;Norman Walsh</author>;
   
9.   </book>;
   
10.   <!-- imagine more entries here... -->;
    
11. </catalog>;

复制代码

Python的标准模块里包含了xml 处理的module。我们这次用的是xml.dom.minidom，一个迷你版的DOM API
代码:

1. #! /usr/bin/python
   
2. 
   
3. import xml.dom.minidom
   
4. from xml.dom.minidom import Node
   
5. 
   
6. doc = xml.dom.minidom.parse("books.xml")
   
7. 
   
8. mapping = {}
   
9. for node in doc.getElementsByTagName("book"):
   
10.     isbn = node.getAttribute("isbn")
    
11.     L = node.getElementsByTagName("title")
    
12.     for node2 in L:
    
13.         title = ""
    
14.         for node3 in node2.childNodes:
    
15.             if node3.nodeType == Node.TEXT_NODE:
    
16.                 title += node3.data
    
17.                 mapping[isbn] = title
    
18.                 # mapping now has the same value as in the SAX example:
    
19.                 print(mapping)

复制代码

通过这个程序，可以看到解析xml的文件的过程
minidom.parse返回的就是一个xml.dom.Document类型的实例。其实就是DOM中定义的Document了。通常的DOM的操作都是通过这个类来完成，比如例子中的建立ISBN和书名的对应关系表。对DOM的API，大家可以查看相关的文档。

同时，这次引入了一个新的控制结构，就是for-loop。这个和C和Java的for循环有些区别（Java在5.0中也引入了这种循环）。这个循环是for-each-in格式的。而不是传统的以初始值，步进值和中止条件控制循环过程的。

xiaohu0

娃哈哈，讲的还很细，谢了！

ttvast

dom模式解释xml十分方便，不过性能就十分差了，我一个5m的数据xml好像解释了20分钟还没有处理完。
如果是大的数据xml还是建议用expat，用起来也很方便。

sakulagi

sax的效率确实比DOM要快的多

newbuding

sax怎么用啊？

a-plus

呵呵，讲的还不错哦。。。。