Python 标准库之 XML(上)

本文字数:2858 字

阅读本文大概需要:8 分钟

写在之前

带分隔符的文件仅有两维的数据:行 & 列。如果我们想在程序之间交换数据结构,需要一种方法把层次结构,序列,集合和其它的数据结构编码成文本。

今天要说的 XML 是最突出的处理上述这种转换的标记格式,它使用标签(tag)分隔数据。XML 在软件领域的用途非常广泛。

XML

XML 是什么?如果非要对其做一个定义式的说明,那这里我不得不引用一下 w3school 里面简洁而明快的说明:

XML 指可扩展标记语言(EXtensible Markup Language);

XML 是一种标记语言,类似于 HTML;

XML 的设计宗旨是传输数据,而非显示数据;

XML 标签没有被预定义,需要自行定义标签;

XML 被设计为具有自我描述性;

XML 是 W3C 的推荐标准。

如果你想要详细了解和学习 XML 的话,可以去阅读 w3school 的 XML 教程即可,里面讲述的很详细,在下面我还会引用一些里面的内容。

XML 的重要性在于它是用来传输数据的,因此,特别是在 Web 编程中我们经常会用到它。有了它,让数据传输变的更加简单,这么重要的东西,我大 Python 当然支持。

有大佬曾经说过:“一个引人关注的东西总会有很多人从不同侧面去研究它”。这个在编程中也同样适用,所以对于 XML 这个红得发紫的东西,Python 提供了多种模块来处理。

xml.dom.* 模块:Document Object Model。适合用于处理 DOM API。它能够将 XML 数据在内存中解析成一个树,然后通过对树的操作来操作 XML。但是这种方式由于将 XML 数据映射到内存中的树,导致比较慢,且消耗更多内存。

xml.sax.* 模块:simple API for XML。由于 SAX 以流式读取 XML 文件,从而速度较快,占用内存少,但是在操作上稍微复杂,需要用户实现回调函数。

遍历查询

先要做一个 XML 文档,我自己想也想不出个啥太好的来,所以直接用 w3school 中的一个例子,如下图所示:

上图表示下面的 XML 中的一本书:

将上述的 XML 保存并且命名为 test.xml 文件,接下来就是以它为对象,练习各种操作了。

上面建立起 XML 解析树对象,然后通过根节点向下开始读取各个元素(element 对象)。

在上述 XML 文档中,根元素是 bookstore,它没有属性,也可以说是属性为空。

要想将根下面的元素都读取出来,可以进行如下操作:

也可以像下面这样读取指定元素的信息:

上述的 root[0].text 无内容,再深入一层,我们就可以看到内容了:

对于 ElementTree 对象,有一个 iter() 方法可以对指定名称的子节点进行深度优先遍历,例如下面这样:

上述代码是遍历名称为 book 的节点,如果不指定节点的话,就是将所有的元素遍历一遍:

除了上面的方法外,还可以通过路径搜索到指定的元素,然后读取其内容,这就是 xpath,关于 xpath 是什么,在这不多做介绍,感兴趣的可以去 Google。

写在之后

今天的文章如果你能坚持看到这,恭喜你又学到了。前半部分概念的东西有点多,而且看着还头晕,这个其实是没办法的事情,不说概念脑子里形不成概念,后面的理解就很麻烦。还好后面就是操作了,还是那句话,多敲代码,别光看,敲几遍记住它。

如果你觉得本篇文章对你有帮助的话,别忘了点个赞,谢谢。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180915A0AQYR00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券