XML

280次阅读

共计 1876 个字符，预计需要花费 5 分钟才能阅读完成。

XML 虽然比 JSON 复杂，在 Web 中应用也不如以前多了，不过仍有很多地方在用，所以，有必要了解如何操作 XML。

操作 XML 有两种方法：DOM 和 SAX。DOM 会把整个 XML 读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。SAX 是流模式，边读边解析，占用内存小，解析快，缺点是我们需要自己处理事件。

正常情况下，优先考虑 SAX，因为 DOM 实在太占内存。

在 Python 中使用 SAX 解析 XML 非常简洁，通常我们关心的事件是 start_element，end_element 和char_data，准备好这 3 个函数，然后就可以解析 xml 了。

举个例子，当 SAX 解析器读到一个节点时：

<a href="/">python</a>

会产生 3 个事件：

start_element事件，在读取 <a href="https://liaoxuefeng.com/"> 时；
char_data事件，在读取 python 时；
end_element事件，在读取 </a> 时。

用代码实验一下：

from xml.parsers.expat import ParserCreate

class DefaultSaxHandler(object):
    def start_element(self, name, attrs):
        print('sax:start_element: %s, attrs: %s' % (name, str(attrs)))

    def end_element(self, name):
        print('sax:end_element: %s' % name)

    def char_data(self, text):
        print('sax:char_data: %s' % text)

xml = r'''<?xml version="1.0"?>
<ol>
    <li><a href="https://liaoxuefeng.com/python">Python</a></li>
    <li><a href="https://liaoxuefeng.com/ruby">Ruby</a></li>
</ol>
'''

handler = DefaultSaxHandler()
parser = ParserCreate()
parser.StartElementHandler = handler.start_element
parser.EndElementHandler = handler.end_element
parser.CharacterDataHandler = handler.char_data
parser.Parse(xml)

需要注意的是读取一大段字符串时，CharacterDataHandler可能被多次调用，所以需要自己保存起来，在 EndElementHandler 里面再合并。

除了解析 XML 外，如何生成 XML 呢？99% 的情况下需要生成的 XML 结构都是非常简单的，因此，最简单也是最有效的生成 XML 的方法是拼接字符串：

L = []
L.append(r'<?xml version="1.0"?>')
L.append(r'<root>')
L.append(encode('some & data'))
L.append(r'</root>')
return ''.join(L)

如果要生成复杂的 XML 呢？建议你不要用 XML，改成 JSON。

解析 XML 时，注意找出自己感兴趣的节点，响应事件时，把节点数据保存起来。解析完毕后，就可以处理数据。

请利用 SAX 编写程序解析 WeatherAPI 的 XML 格式的天气预报，获取天气预报：

from xml.parsers.expat import ParserCreate
from urllib import request

def parseXml(xml_str):
    print(xml_str)
    return {'city': '?',
        'weather': {'condition': 'Sunny',
            'temperature': 37.2,
            'wind': 9.7
        }
    }

# 测试:
URL = 'https://api.weatherapi.com/v1/current.xml?key=b4e8f86b44654e6b86885330242207&q=Beijing&aqi=no'

with request.urlopen(URL, timeout=4) as f:
    data = f.read()

result = parseXml(data.decode('utf-8'))
assert result['city'] == 'Beijing'