第22章 项目3：万能的XML
Mix-in：混入类，是一种Python程序设计中的技术，作用是在运行期间动态改变类的基类或类的方法，从而使得类的表现可以发生变化。可以用在一个通用类接口中。
在实践一个解析XML文件的实践中，体会动态改变的格式。
格式一般是：
定义一个基类：
class base:
def startElement(self,prefix,name,*args):
self.callback('Start',name,*args)
def callback(self,prefx,name,*args):
mname = prefix + name
method = getattr(self,mname,None)
if callbale(method): method(*args)
然后定义一个子类，在里面实现prefix+name的方法。
处理xml的内置库：
from xml.sax.hander import ContentHandler
from xml.sax import parse
parse('xmlfile', instanceofContentHandler)
首先检查是否有可用的SAX语法分析器：
from xml.sax import make_parser
parser = make_parser
没有引发任何异常，可以使用。
20-1 用XML文件表示的简单网站 website.xml
<website>
<page name="index" title="Home Page">
<h1>Welcome to My Home Page</h1>
<p>Hi, there. My name is Mr. Gumby, and this is my home page. Here
are some of my interests:</p>
<ul>
<li><a herf="interests/shouting.html">Shouting</a></li>
<li><a herf="interests/sleeping.html">Sleeping</a></li>
<li><a herf="interests/eating.html">Eating</a></li>
</ul>
</page>
<directory name="interests">
<page name="shouting" title="Shouting">
<h1>Mr. Gumby's Shouting Page</h1>
<p>...</p>
</page>
<page name="sleeping" title="Sleeping">
<h1>Mr. Gumby's Sleeping Page </h1>
<p>...</p>
</page>
<page name="eating" title="Eating">
<h1>Mr. Gumby's Eating Page </h1>
<p>...</p>
</page>
</directory>
</website>
最小型的XML语法分析器：web1.py
# coding=utf-8
from xml.sax.handler import ContentHandler
from xml.sax import parse
# ContentHandler是内容处理器，实现了所以需要的事件处理程序（没有任何效果的伪操作）
class TestHandler(ContentHandler): pass
parse('website.xml', TestHandler()) # parse负责读取文件并生成事件
执行之后，未报错也无输出
简单的扩展 web2.py
将def startElement(self, name, attrs):
print name, attrs.keys()
添加到类TestHandler中# coding=utf-8
from xml.sax.handler import ContentHandler
from xml.sax import parse
class TestHandler(ContentHandler):
def startElement(self, name, attrs): # 参数分别是相应的标签名及其特性
print name, attrs.keys()
parse('website.xml', TestHandler())
输出：
website []
page [u'name', u'title']
h1 []
p []
ul []
li []
a [u'herf']
li []
a [u'herf']
li []
a [u'herf']
directory [u'name']
page [u'name', u'title']
h1 []
p []
page [u'name', u'title']
h1 []
p []
page [u'name', u'title']
h1 []
p []
建立网站大标题（h1元素列表） web3.py
使用startElement，endElement和characters三种方法
# coding=utf-8
from xml.sax.handler import ContentHandler
from xml.sax import parse
class HeadHandler(ContentHandler):
in_headline = False
def __init__(self, headlines):
ContentHandler.__init__(self)
self.headlines = headlines
self.data = []
def startElement(self, name, attrs):
if name == 'h1':
self.in_headline = True
def endElement(self, name): # endElement只用标签名作为参数
if name == 'h1':
text = ''.join(self.data)
self. data = []
self.headlines.append(text)
self.in_headline = False
def characters(self, string): # characters使用字符串作为参数
if self.in_headline:
self.data.append(string)
headlines = []
parse('website.xml', HeadHandler(headlines))
print 'The following <h1> elements were found:'
for h in headlines:
print h
输出：
The following <h1> elements were found:
Welcome to My Home Page
Mr. Gumby's Shouting Page
Mr. Gumby's Sleeping Page
Mr. Gumby's Eating Page
22-2 pagemaker.py
生成4个HTML文件：
index.html
<html><head>
<title>Home Page</title>
</head><body>
<h1>Welcome to My Home Page</h1>
<p>Hi, there. My name is Mr. Gumby, and this is my home page. Here
are some of my interests:</p>
<ul>
<li><a herf="interests/shouting.html">Shouting</a></li>
<li><a herf="interests/sleeping.html">Sleeping</a></li>
<li><a herf="interests/eating.html">Eating</a></li>
</ul>
</body></html>
22-3 网站构造函数（website.py）
调度程序的混入类
基本事件处理程序：
class Dispatcher:
#...
def startElement(self, name, attrs):
self.dispatch('start', name, attrs)
def endElement(self, name):
self.dispatch('end', name)
dispatch()方法：
查找合适的处理程序，构造参数元组，然后使用这些参数调用处理程序。
def dispatch(self, prefix, name, attrs=None):
mname = prefix + name.capitalize()
dname= 'default' + prefix.capitalize()
method =getattr(self, mname, None)
if callable(method): args = ()
else:
method = getattr(self, dname, None)
args = name
if prefix == 'start': args += attrs,
if callable(method) :method(*args)
以上程序是这样构造的：首先获取组合函数名（mname,dname），然后判断是否存在这样的函数（callable），存在就是startname,endname否则是defaultname
内容处理程序：
class TestHandler(Dispatcher, ContentHandler):
def startPage(self, attrs):
print 'Begining page', attrs['name']
def endPage(self):
print 'Ending page'
以上内容写入webTest.py
# coding=utf-8
from xml.sax.handler import ContentHandler
class Dispatcher:
#查找合适的处理程序，构造参数元组，然后使用这些参数调用处理程序。
def dispatch(self, prefix, name, attrs=None):
mname = prefix + name.capitalize()
dname = 'default' + prefix.capitalize()
method = getattr(self, mname, None)
if callable(method):
args = ()
else:
method = getattr(self, dname, None)
args = name
if prefix == 'start': args += attrs,
if callable(method): method(*args)
# 基本事件处理程序：
def startElement(self, name, attrs):
self.dispatch('start', name, attrs)
def endElement(self, name):
self.dispatch('end', name)
# 内容处理程序
class TestHeanler(Dispatcher, ContentHandler):
def startPage(self, attrs):
print 'Begining page', attrs['name']
def endPage(self):
print 'Ending page'
运行无输出，也没有报错。
该调度程序混入类实现了大部分的探测功能，下面添加更多功能。
22-3 网站构造函数 website.py
# coding=utf-8
from xml.sax.handler import ContentHandler
from xml.sax import parse
import os
class Dispatcher:
"""
是一个混合类，和第一个项目中有相似之处，因为要处理不同的标记，所以
通过前缀名来指定处理函数更加方便。利用混合类管理一些细节也很容易
"""
# dispatch()方法，用于查找合适的处理程序，构造参数元组，然后使用这些参数调用处理程序。
def dispatch(self, prefix, name, attrs=None):
"""
在调用各种处理方法时，先判断这个方法是否存在，有则直接调用相应的函数，没有就把属性和名称都添加到一个元组中，
并调用一个默认函数，也就是说忽略其他的标签，不做特殊处理，直接按原样输出即可。
"""
mname = prefix + name.capitalize()
dname= 'default' + prefix.capitalize()
method = getattr(self, mname, None)
if callable(method): args = ()
else:
method = getattr(self, dname, None)
args = name,
if prefix == 'start': args += attrs, # 这里需要注意，要加上逗号
if callable(method): method(*args)
# 基本事件处理程序：
def startElement(self, name, attrs):
self.dispatch('start', name, attrs)
def endElement(self, name):
self.dispatch('end', name)
class WebsiteConstructor(Dispatcher, ContentHandler):
"""
内容处理程序：
在利用SAX在解析XML文件时，要用到Parser这个函数，这个函数在读取文件以及处理这些文件时，要相应的利用一些时间处理程序。
继承CotentHandler是因为这个类中实现了几乎所有时间处理程序，当然也可以在本程序中重写里面的时间处理函数来进行覆盖使用。
"""
passthrough= False # 设定布尔变量，处理特殊标签时由于要忽略一些内部标签及特殊处理，需要判断文件解析器是否要停止处理。
# 构造函数，网站的根目录作为参数
def __init__(self, directory):
self.directory = [directory]
self.ensureDirectory()
# 这个函数主要利用os模块中对文件操作的特性，为xml文件中每一个页面都创建一个相应目录存放html文件，确保当前目录存在
def ensureDirectory(self):
path = os.path.join(*self.directory)
if not os.path.isdir(path): os.makedirs(path) # 如果没有这个路径就创建
def characters(self, chars):
if self.passthrough: self.out.write(chars)
# 使用defaultStart和defaultEnd对XHTML进行处理，两个默认的函数都是处理页面标签中的一些其他标签。
# 这些页面中的所有标签在这里都做了忽略处理
def defaultStart(self, name, attrs):
if self.passthrough:
self.out.write('<' + name)
for key, val in attrs.items():
self.out.write(' %s="%s"' % (key, val,))
self.out.write('>')
def defaultEnd(self, name):
if self.passthrough:
self.out.write('</%s>' % name)
# 目录处理程序，使用directory和ensureDirectory方法。这两个函数是为了在xml文件中碰见不同的目录要进行创建，
# 但是创建之后要删除，避免不同目录的页面最后出现在同样的目录下面
def startDirectory(self, attrs):
self.directory.append(attrs['name'])
self.ensureDirectory()
def endDirectory(self):
self.directory.pop()
# 页面处理程序,使用writeHeader和writeFooter方法，设定passthrough变量，打开和关闭与页面关联的文件。
# 两个函数要处理页面，创建这个页面的html文件，然后添加上标题，打开这个文件，写入文件之后在关闭
def startPage(self, attrs):
filename = os.path.join(*self.directory + [attrs['name'] + '.html'])
self.out = open(filename, 'w')
self.writeHeader(attrs['title'])
self.passthrough = True
def endPage(self):
self.passthrough = False
self.writeFooter()
self.out.close()
# 简单的首部和页脚
def writeHeader(self, title):
self.out.write('<html>\n <head>\n <title>')
self.out.write(title)
self.out.write('</title>\n </head>\n <body>\n')
def writeFooter(self):
self.out.write('\n </body>\n</html>\n')
parse('website.xml', WebsiteConstructor('public_html'))
首先是从parse('website.xml', WebsiteConstructor('public_html'))开始，然后是进入WebsiteConstructor中，首先执行__init__函数创建public_html目录，然后开始startElement函数，并调用dispatch判断WebsiteConstructor是否有所需的函数，判断后进行程序运行，其中name为directory则创建目录，否则就在文档里面写入语句，对于在文档中写入语句的多少依据passthrough判断。控制函数为characters函数。
运行输出：index.html和public文件夹及包括eating.html、shouting.html、sleepting.html的interests子文件夹
打开public_html/index.html
