XMLparsing – ElementTree与SAX和DOM
Python有几种方法来parsingXML …
我理解用SAXparsing的基础知识。 它作为一个streamparsing器，具有事件驱动的API。
我也了解DOMparsing器。 它将XML读入内存，并将其转换为可以用Python访问的对象。
一般来说，根据你需要做什么，记忆的限制，性能等，在2之间进行select是很容易的。
（希望我到目前为止是正确的）。
从Python 2.5开始，我们也有ElementTree 。 这与DOM和SAX相比如何？ 哪个更类似？ 为什么比以前的parsing器更好？
ElementTree更容易使用，因为它表示一个XML树（基本上）作为列表的结构，属性表示为字典。
ElementTree比DOM更需要XML树的内存（因此速度更快），并且通过iterparse的parsing开销与SAX相当。 此外， iterparse返回部分结构，并且可以在parsing过程中保持内存使用不变，只要处理它们即可丢弃结构。
与Python 2.5相比，ElementTree与完整的XML库相比只有一小部分function，但对于许多应用程序来说，它已经足够了。 如果您需要validationparsing器或完整的XPath支持，则需要使用lxml。 很长时间以来，它一直很不稳定，但自从2.1以来，我一直没有遇到任何问题。
ElementTree偏离DOM，其中节点可以访问其父代和兄弟。 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的节点。 在XML片段中
<a>This is <b>a</b> test</a>
stringtest将是所谓的元素b tail 。
一般来说，我推荐ElementTree作为Python的所有XML处理的默认值，DOM或SAX作为特定问题的解决scheme。
最小的DOM实现：
链接： http : //docs.python.org/2/library/xml.dom.minidom.html#module-xml.dom.minidom
Python提供了XML DOM（ xml.dom ）的完整W3C标准实现，以及最小的XML.dom.minidom 。 后者比完整的实现更简单和更小。 但是，从“parsing视angular”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。
考虑一个基本的XML文件：
<?xml version="1.0"?> <catalog> <book isdn="xxx-1"> <author>A1</author> <title>T1</title> </book> <book isdn="xxx-2"> <author>A2</author> <title>T2</title> </book> </catalog>
一个使用minidom的可能的Pythonparsing器是：
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validationXMLparsing器（docs.python.org/2/library/pyexpat.html）的Python接口。
xml.dom包也提供exception类DOMException ，但它不在minidom中提供 ！
ElementTree XML API：
链接： http : //docs.python.org/2/library/xml.etree.elementtree.html
ElementTree使用起来要容易得多，它比XML DOM需要更less的内存。 此外，可以使用C实现（ xml.etree.cElementTree ）。
一个使用ElementTree的可能的Pythonparsing器是：
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
ElementTree的parse（）就像DOM，而iterparse（）就像SAX。 在我看来，ElementTree比DOM和SAX更好，因为它提供了更易于使用的API。
ElementTree有更多pythonic API。 现在它也在标准库中，所以使用它可以减less依赖性。
我实际上更喜欢lxml，因为它具有像ElementTree这样的API，但也有很好的附加function并且性能良好。
