Python 解析XML

1. Python中对两种解析方式的解释：

The Python standard library provides a minimal but useful set of interfaces to work with XML.

The two most basic and broadly used APIs to XML data are the SAX and DOM interfaces.

• Simple API for XML (SAX) : Here you register callbacks for events of interest and then let the parser proceed through the document. This is useful when your documents are large or you have memory limitations, it parses the file as it reads it from disk, and the entire file is never stored in memory.

• Document Object Model (DOM) API : This is World Wide Web Consortium recommendation wherein the entire file is read into memory and stored in a hierarchical (tree-based) form to represent all the features of an XML document.

SAX obviously can't process information as fast as DOM can when working with large files. On the other hand, using DOM exclusively can really kill your resources, especially if used on a lot of small files.

SAX is read-only, while DOM allows changes to the XML file. Since these two different APIs literally complement each other there is no reason why you can't use them both for large projects.

---

转载

   XML文档成功解析后，有些XML解析器会将文档数据以树结构形式存储到内存中，这个层次化的树结构称为“文档对象模型”（DOM）树，能够创建这类结构 的XML解析器称为“DOM解析器”。DOM树将XML文档的每个组件表示成树上的一个结点。DOM只有单独一个“根结点”，即“文档根”，其中包含文档 中的其他所有结点。每个结点都是一个对象，它具有自己的属性和方法。

     SAX（Simple API for XML）于1998年5月发布。SAX是解析XML文档的另一种方法，使用的是一种“基于事件的模型”。基于SAX的解析器在处理文档时，会生成名为“事 件”的通知信息。软件程序可“侦听”这些事件，以便从文档获取数据。例如，用于生成邮件列表的一个程序可从XML文档读取姓名和地址信息，而这个文档包含 的并不仅仅是邮寄地址信息，比如还可能包括生日、电话号码和电子邮件地址等等。程序可用SAX解析器对文档进行解析，并只侦听包含姓名和地址信息的事件。 大量程序语言都可使用基于SAX的解析器，比如Python、java和C++等等。

      针对XML文档数据的访问，SAX和DOM提供了截然不同的API。每种API都有自己的优点和缺点。DOM是一种基于树的模型，将文档数据存储到一个由 结点构成的层次结构中。程序可快速的访问数据，因为所有文档数据都在内存中。DOM还提供了相应的机制来增删节点，从而简化了程序对XML文档的修改。

     基于SAX的解析器在遇到标记时，要调用“侦听器方法”。使用这种基于事件的模型，以SAX为基础的解析器不会创建一个树结构来存储XML文档数据。相 反，在找到数据时，解析器会将数据传给应用程序。相较于基于DOM的解析器，这样可获得更好的性能，内存开销也较小。事实上，许多DOM解析器都在幕后使 用SAX解析器，以便从文档中获取数据，并在内存中生成DOM树。许多程序员都认为，使用DOM树结构，可以更容易的遍历及处理XML文档。因此，程序常 常用SAX解析器读取不会由程序修改的XML文档。

     性能：1、处理大型XML文档时，基于SAX的解析器通常笔基于DOM的解析器更有效，尤其重要的是，基于SAX的解析器不会将整个XML文档载入内存。

               2、如果文档只需解析一次，那么最有效的就是基于SAX的解析。程序要从文档快速获取信息时，DOM解析器通常闭SAX解析更有效。

               3、要求节省内存的程序通常使用基于SAX的解析器。SAX是独立于W3C的，DOM是正式的W3C推荐规范。

 

更多内容参考：http://www.tutorialspoint.com/python/python_xml_processing.htm

 

---

 

谈下简单的理解：

貌似用SAX要麻烦一些，因为你需要实现自己的ContentHandler,用到的包xml.sax

 

Parsing XML with SAX generally requires you to create your own ContentHandler, by subclassing xml.sax.ContentHandler.

 

而用DOM解析：

需要用到的module:

from xml.dom.minidom import parse


import xml.dom.minidom

 

The easiest way to quickly load an XML document and to create a minidom object using the xml.dom module. The minidom object provides a simple parser method that will quickly create a DOM tree from the XML file.

The sample phrase calls the parse( file [,parser] ) function of the minidom object to parse the XML file designated by file into a DOM tree object.

 

一个简单的例子：

<build>
  <crib_root>
     <path release="1a">projects/d/dte/10a/</path>
     <path release="1b">projects/d/f_dvild/10b/</path>
     <path release="1a">projects/d/v_vld/11a/</path>
  </crib_root>

</ build> 

代码：

 

from xml.dom.minidom import parse
import xml.dom.minidom

# Open XML document using minidom parser
DOMTree = xml.dom.minidom.parse("build_directory_structure.xml")

#DOMTree = xml.dom.minidom.parse("test.xml")
collection = DOMTree.documentElement

if collection.hasAttribute("build"):
    print "Root element : %s" % collection.getAttribute("build")
crib_root = collection.getElementsByTagName("crib_root")

for crib in crib_root:
   print "*****crib*****"
   
   for path in range(len(crib.getElementsByTagName('path'))):
        print path
        print (crib.getElementsByTagName('path')[path]).childNodes[0].data

 

Dom解析的具体API可在这里找到：http://docs.python.org/library/xml.dom.html

 

附加XML中的element 对象和document 对象的说明 ：（转载）

 

 

 

Element 对象表示 XML 文档中的元素。