关于python：XML解析 – ElementTree vs SAX和DOM

XML parsing - ElementTree vs SAX and DOM

python有几种解析XML的方法…

我了解使用SAX解析的基本知识。它使用事件驱动的API作为流解析器。

我也理解DOM解析器。它将XML读取到内存中，并将其转换为可以用Python访问的对象。

一般来说，根据需要做的事情、内存限制、性能等，在两者之间进行选择是很容易的。

(希望到目前为止我是正确的。)

自从python 2.5以来，我们也有elementtree。这与dom和sax相比如何？它与哪个更相似？为什么它比以前的解析器更好？

ElementTree更易于使用，因为它将XML树(基本上)表示为列表结构，属性表示为字典。

与DOM相比，elementtree需要的XML树内存要少得多(因此速度更快)，并且通过iterparse的解析开销与SAX相当。另外，iterparse返回部分结构，您可以在解析过程中保持内存使用不变，方法是在处理结构后立即丢弃这些结构。

与完整的XML库相比，与Python2.5中的elementTree只有一个很小的特性集，但对于许多应用程序来说已经足够了。如果您需要一个验证解析器或完整的XPath支持，那么LXML就是解决问题的方法。很长一段时间以来，它一直很不稳定，但我从2.1开始就没有遇到任何问题。

elementtree与dom不同，后者中的节点可以访问其父节点和同级节点。处理实际文档而不是数据存储也有点麻烦，因为文本节点不被视为实际节点。在XML代码段中

1	This is a test

字符串test将是元素b的所谓tail。

一般来说，我建议将elementtree作为使用python进行所有XML处理的默认值，并将dom或sax作为特定问题的解决方案。

相关讨论

最小DOM实现：

链接。

python提供了完整的W3C标准的XML DOM(xml.dom)实现和最小的XML.dom.minidom实现。后者比完整的实现更简单、更小。但是，从"解析角度"来看，它具有标准DOM的所有优点和缺点，即它将所有内容加载到内存中。

考虑到基本的XML文件：

1
2
3
4
5
6
7
8
9
10
11

<?xml version="1.0"?>
<catalog>
<book isdn="xxx-1">
A1</author>
T1
</book>
<book isdn="xxx-2">
A2</author>
T2
</book>
</catalog>

使用minidom的一个可能的python解析器是：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

import os
from xml.dom import minidom
from xml.parsers.expat import ExpatError

#-------- Select the XML file: --------#
#Current file name and directory:
curpath = os.path.dirname( os.path.realpath(__file__) )
filename = os.path.join(curpath,"sample.xml")
#print"Filename: %s" % (filename)

#-------- Parse the XML file: --------#
try:
#Parse the given XML file:
xmldoc = minidom.parse(filepath)
except ExpatError as e:
print"[XML] Error (line %d): %d" % (e.lineno, e.code)
print"[XML] Offset: %d" % (e.offset)
raise e
except IOError as e:
print"[IO] I/O Error %d: %s" % (e.errno, e.strerror)
raise e
else:
catalog = xmldoc.documentElement
books = catalog.getElementsByTagName("book")

for book in books:
print book.getAttribute('isdn')
print book.getElementsByTagName('author')[0].firstChild.data
print book.getElementsByTagName('title')[0].firstChild.data

请注意，xml.parsers.expat是expat非验证XML解析器(docs.python.org/2/library/pyexpat.html)的python接口。

xml.dom包还提供异常类domException，但在minidom中不支持它！

元素树XML API:

链接。

elementtree更易于使用，它比XMLDOM需要更少的内存。此外，还提供了C实现(xml.etree.CelementTree)。

使用elementtree的一个可能的python解析器是：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

import os
from xml.etree import cElementTree # C implementation of xml.etree.ElementTree
from xml.parsers.expat import ExpatError # XML formatting errors

#-------- Select the XML file: --------#
#Current file name and directory:
curpath = os.path.dirname( os.path.realpath(__file__) )
filename = os.path.join(curpath,"sample.xml")
#print"Filename: %s" % (filename)

#-------- Parse the XML file: --------#
try:
#Parse the given XML file:
tree = cElementTree.parse(filename)
except ExpatError as e:
print"[XML] Error (line %d): %d" % (e.lineno, e.code)
print"[XML] Offset: %d" % (e.offset)
raise e
except IOError as e:
print"[XML] I/O Error %d: %s" % (e.errno, e.strerror)
raise e
else:
catalogue = tree.getroot()

for book in catalogue:
print book.attrib.get("isdn")
print book.find('author').text
print book.find('title').text