Python：使用基于事件驱动的SAX解析XML

SAX的特点基于事件的 API在一个比 DOM 低的级别上操作为您提供比 DOM 更多的控制几乎总是比 DOM 更有效率需要比 DOM 更多的工作基于对象和基于事件的接口1、语法分析器有两类接口－基于对象的（如：DOM）和基于事件（如：SAX）的接口。2、DOM是基于对象的语法分析器的标准 API。3、作为基于对象的接口，DOM 通过在内存中显示地构建对象树来与应用程序通信。对象树是 XML

谷满满

719人浏览 · 2022-05-27 11:35:17

谷满满 · 2022-05-27 11:35:17 发布

SAX的特点

基于事件的 API

在一个比 DOM 低的级别上操作

为您提供比 DOM 更多的控制

几乎总是比 DOM 更有效率

需要比 DOM 更多的工作

基于对象和基于事件的接口

1、语法分析器有两类接口－基于对象的（如：DOM）和基于事件（如：SAX）的接口。

2、DOM是基于对象的语法分析器的标准 API。

3、作为基于对象的接口，DOM 通过在内存中显示地构建对象树来与应用程序通信。对象树是 XML 文件中元素树的精确映射。

4、DOM 易于学习和使用，因为它与基本 XML 文档紧密匹配。

5、对于不以 XML 为中心的应用程序，SAX 是明智的选择。实际上，SAX 并不在内存中显式地构建文档树。它使应用程序能用最有效率的方法存储数据。

选择SAX还是DOM

1、经验法则是在需要更多控制时使用 SAX；要增加方便性时，则使用 DOM。

2、采用 SAX 的主要原因是效率。SAX 比 DOM 做的事要少，但提供了对语法分析器的更多控制。当然，如果语法分析器的工作减少，则意味着您（开发者）有更多的工作要做。

3、SAX 的主要限制是它无法向后浏览文档。实际上，激发一个事件后，语法分析器就将其忘记。如您将看到的，应用程序必须显式地缓冲其感兴趣的事件。

SAX分析XML示例

1、清单 1 ：pricelist.xml
<?xml version="1.0"?>
<xbe:price-list xmlns:xbe="http://www.psol.com/xbe2/listing8.1">
   <xbe:product>XML Training</xbe:product>
   <xbe:price-quote price="999.00"  vendor="Playfield Training"/>
   <xbe:price-quote price="699.00"  vendor="XMLi"/>
   <xbe:price-quote price="799.00"  vendor="WriteIT"/>
   <xbe:price-quote price="1999.00" vendor="Emailaholic"/>
</xbe:price-list>
2、价目表的结构

3、分析XML过程

XML 语法分析器读取并解释该文档。每当它识别出文档中的某些内容，就会生成一个事件。

（1）读取清单 1 时，语法分析器首先读取 XML 声明并生成文档开始事件。

（2）当它遇到第一个开始标记 <xbe:price-list> 时，语法分析器生成它的第二个事件来通知应用程序已经遇到了 price-list 元素。

（3）接下来，语法分析器看到 product 元素的开始标记（为简单起见，在本文其余部分，我将忽略名称空格和缩进空格）并生成它的第三个事件。

（4）在开始标记后，语法分析器看到 product 元素的内容： XML Training ，它产生另一个事件。

（5）下一个事件指出 product 元素的结束标记。语法分析器已经完成了对 product 元素的语法分析。到目前为止，它已经激发了 5 个事件： product 元素的 3 个事件，一个文档开始事件和一个 price-list 开始标记事件。

（6）语法分析器现在移动到第一个 price-quote 元素。它为每个 price-quote 元素生成两个事件：一个开始标记事件和一个结束标记事件。是的，即使将结束标记简化为开始标记中的 / 字符，语法分析器仍然生成一个结束事件。

（8）有 4 个 price-quote 元素，所以语法分析器在分析它们时生成 8 个事件。

（9）最后，语法分析器遇到 price-list 的结束标记并生成它的最后两个事件：结束 price-list 和文档结束。

这些事件共同向应用程序描述了文档树。开始标记事件意味着“转到树的下一层”，而结束标记元素意味着“转到树的上一层”。

python xml.sax 分析XML

xml.sax提供了3个函数以及 SAX 异常类

1、make_parser方法
创建并返回一个SAX XMLReader对象

xml.sax.make_parser([parser_list])，parser_list - 可选参数，解析器列表

2、parse方法
创建一个 SAX 解析器并解析xml文档

xml.sax.parse(filename_or_stream, handler[, error_handler])　　

（1）file_or_stream：xml文件名
（2）handler：必须是一个ContentHandler的对象
（3）error_handler：如果指定该参数，errorhandler必须是一个SAX ErrorHandler对象

3、parseString方法
创建一个XML解析器并解析xml字符串

xml.sax.parseString(string, handler[, error_handler])

（1）string： xml字符串
（2）handler：必须是一个ContentHandler的对象
（3）error_handler：如果指定该参数，errorhandler必须是一个SAX ErrorHandler对象

xml.sax 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。

1、startDocument()方法：文档启动的时候调用。

2、endDocument()方法：解析器到达文档结尾时调用。

3、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。

4、endElement(name)方法：遇到XML结束标签时调用。

xml.sax 解析XML实例

1、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>
        <movie title="Trigun">
        <type>Anime, Action</type>
        <format>DVD</format>
        <episodes>4</episodes>
        <rating>PG</rating>
        <stars>10</stars>
        <description>Vash the Stampede!</description>
     </movie>
     <movie title="Ishtar">
        <type>Comedy</type>
        <format>VHS</format>
        <rating>PG</rating>
        <stars>2</stars>
        <description>Viewable boredom</description>
     </movie>
 </collection>

2、使用SAX解析XML的Python源代码

 #!/usr/bin/python
 
 import xml.sax
 
 class MovieHandler( xml.sax.ContentHandler ):
    def __init__(self):
       self.CurrentData = ""
       self.type = ""
       self.format = ""
       self.year = ""
       self.rating = ""
       self.stars = ""
       self.description = ""
 
    # 元素开始事件处理
    def startElement(self, tag, attributes):
       self.CurrentData = tag
       if tag == "movie":
          print "*****Movie*****"
          title = attributes["title"]
          print "Title:", title
 
    # 元素结束事件处理
    def endElement(self, tag):
       if self.CurrentData == "type":
          print "Type:", self.type
       elif self.CurrentData == "format":
          print "Format:", self.format
       elif self.CurrentData == "year":
          print "Year:", self.year
       elif self.CurrentData == "rating":
          print "Rating:", self.rating
       elif self.CurrentData == "stars":
          print "Stars:", self.stars
       elif self.CurrentData == "description":
          print "Description:", self.description
       self.CurrentData = ""
 
    # 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
   
 if ( __name__ == "__main__"):
    
    # 创建一个 XMLReader
    parser = xml.sax.make_parser()
    # turn off namepsaces
    parser.setFeature(xml.sax.handler.feature_namespaces, 0)
 
    # 重写 ContextHandler
    Handler = MovieHandler()
    parser.setContentHandler( Handler )
    
    parser.parse("movies.xml")

3、MovieHandle

class MovieHandler(xml.sax.ContentHandler):
    def __init__(self, title, type, format, year, rating, stars, description):
        self.title = title
        self.type= type
        self.format= format
        self.year= year
        self.rating= rating
        self.stars= stars
        self.description= description
        self.is_new= False
        self.append_content = None


    def startElement(self, name, attrs):
        try:
            self.previous_tag = self.current_tag
            self.current_tag = name
            if self.year== 2022:
                self.is_new = True

        except Exception as e:
            raise Exception(e)

    def endElement(self, name):
        pass

    def characters(self, content):
        try:
            if self.append_content is None:
                self.append_content = content
            else:
                self.append_content += content

        except Exception as e:
            raise Exception(e)