用python来解析xml文件(简单情况)

首先，sax解析最直观，当然，也可以容许xml文件出些错。

先给定一个xml文件book.xml,

<catalog>
  <book isbn="0-596-00128-2">
    <title>Python &amp; XML</title>
    <author>Jones, Drake</author>
  </book>
  <book isbn="0-596-00085-5">
    <title>Programming Python</title>
    <author>Lutz</author>
  </book>
   <book isbn="0-596-00281-5">
    <title>Learning Python</title>
    <author>Lutz, Ascher</author>
  </book>
   <book isbn="0-596-00797-3">
    <title>Python Cookbook</title>
    <author>Martelli, Ravenscroft, Ascher</author>
  </book>
 <!-- imagine more entries here -->
</catalog>

写一个BookHandler, 如下：

 

# -*- coding: utf-8 -*-

import xml.sax.handler

class BookHandler(xml.sax.handler.ContentHandler):
  def __init__(self):
    self.inTitle = 0                                # handle XML parser events
    self.mapping = {}                               # a state machine model

  def startElement(self, name, attributes):
    if name == "book":                              # on start book tag
      self.buffer = ""                              # save ISBN for dict key
      self.isbn = attributes["isbn"]
    elif name == "title":                           # on start title tag
      self.inTitle = 1                              # save title text to follow

  def characters(self, data):
    if self.inTitle:                                # on text within tag
      self.buffer += data                           # save text if in title

  def endElement(self, name):
    if name == "title":
      self.inTitle = 0                              # on end title tag
      self.mapping[self.isbn] = self.buffer         # store title text in dict

import xml.sax
import pprint

parser = xml.sax.make_parser( )
handler = BookHandler( )
parser.setContentHandler(handler)
parser.parse('book.xml')

pprint.pprint(handler.mapping)

      

结果如下：

Process started >>>
{u'0-596-00085-5': u'Programming Python',
 u'0-596-00128-2': u'Python & XML',
 u'0-596-00281-5': u'Learning Python',
 u'0-596-00797-3': u'Python Cookbook'}<<< Process finished.
================ READY ================

不过，这是比较简单的情况了。而且我们可以看到，结果全是以unicode串输出的。