Python之SAX解析XML

川长思鸟来 2022-03-31 12:40 463阅读 0赞

SAX 是一种基于事件驱动的API。  
利用 SAX 解析 XML 文档牵涉到两个部分: **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。

1、对大型文件进行处理；
    2、只需要文件的部分内容，或者只需从文件中得到特定信息。
    3、想建立自己的对象模型的时候。

在 Python 中使用 sax 方式处理 xml 要先引入 xml.sax 中的 parse 函数，还有 xml.sax.handler 中的 ContentHandler。  
ContentHandler 类方法介绍

**characters(content) 方法**  
调用时机：  
从行开始，遇到标签之前，存在字符，content 的值为这些字符串。  
从一个标签，遇到下一个标签之前， 存在字符，content 的值为这些字符串。  
从一个标签，遇到行结束符之前，存在字符，content 的值为这些字符串。  
标签可以是开始标签，也可以是结束标签。  
**startDocument() 方法**  
文档启动的时候调用。  
**endDocument() 方法**  
解析器到达文档结尾时调用。  
**startElement(name, attrs) 方法**  
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。  
**endElement(name) 方法**  
遇到XML结束标签时调用。  
**make\_parser 方法**  
以下方法创建一个新的解析器对象并返回。  
xml.sax.make\_parser( \[parser\_list\] )  
参数说明:

parser_list - 可选参数，解析器列表

**parser 方法**  
以下方法创建一个 SAX 解析器并解析xml文档：  
xml.sax.parse( xmlfile, contenthandler\[, errorhandler\])  
参数说明:

xmlfile - xml文件名
    contenthandler - 必须是一个 ContentHandler 的对象
    errorhandler - 如果指定该参数，errorhandler 必须是一个 SAX ErrorHandler 对象

**parseString 方法**  
parseString 方法创建一个 XML 解析器并解析 xml 字符串：  
xml.sax.parseString(xmlstring, contenthandler\[, errorhandler\])  
参数说明:

xmlstring - xml字符串
    contenthandler - 必须是一个 ContentHandler 的对象
    errorhandler - 如果指定该参数，errorhandler 必须是一个 SAX ErrorHandler对象

## 将XML文件解析成对象并输出 ##

import xml.sax
    import os
    import time
    obj = {}
    
    #创建、写入文件
    def nsfile(s):
        #判断文件夹是否存在，如果不存在则创建
        b = os.path.exists("C:\\Users\\Administrator\\Desktop\\自己资料总结\\python\logFile\\")
        if b:
            print("File Exist!")
        else:
            os.mkdir("C:\\Users\\Administrator\\Desktop\\自己资料总结\\python\logFile\\")
        #生成文件
        localTime = time.strftime("%Y%m%d%H%M%S",time.localtime())
        #print localtime
        filename = "C:\\Users\\Administrator\\Desktop\\自己资料总结\\python\logFile\\"+localTime+".txt"
        #a:以追加模式打开（必要时可以创建）
        f = open(filename,'a')
        #文件写入
        f.write(s)
        f.close()
        print("ALL Down")
        time.sleep(1)
    
    class aaaHandler(xml.sax.ContentHandler):
    	def __init__(self):
    		self.CurrentData = ""
    	#元素开始调用
    	def startElement(self,tag,attributes):
    		print(tag)
    		print(self.CurrentData)
    	#元素结束调用
    	def endElement(self,tag):
    		#tag:节点名称   self.CurrentData:节点值
    		if self.CurrentData == tag:
    			self.CurrentData = ''
    		obj[tag.lower()] = self.CurrentData
    
    	#读取字符时调用
    	def characters(self,content):
    		self.CurrentData = content
    
    	#解析到文档结尾时调用
    	def endDocument(self):
    		nsfile(str(obj))
    if (__name__ == "__main__"):
    	#创建一个XMLReader
    	parser = xml.sax.make_parser()
    	#关闭命名空间
    	parser.setFeature(xml.sax.handler.feature_namespaces,0)
    
    	#重写ContextHandler
    	Handler = aaaHandler()
    	parser.setContentHandler(Handler)
    	parser.parse("aaa.xml")

效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk3MDk4Nw_size_16_color_FFFFFF_t_70]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk3MDk4Nw_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk3MDk4Nw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2019010313272751.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk3MDk4Nw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk3MDk4Nw_size_16_color_FFFFFF_t_70 1]: /images/20220331/ea4b0c49513d49eb9bd15c46fb0fcc6f.png