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