python基础教程总结15——3 XML构建网址
要求：
网址用一个XML文件描述，其中包括独立网页和目录的信息；
程序能创建所需的目录和网页；
可以改变网址的设计，并且以新的设计为基础重新生成所有网页
概念：
网站：不用存储有关网站本身的任何信息，即网站就是包含所有文件和目录的顶级元素；
目录：目录是文件和其他目录的容器；
页面：一个网页；
名称：目录和网页都需要名称——当目录和文件出现在文件系统和相应的URL中，可以用作目录名和文件名
标题：每个网页都应该有标题（和文件名不同）
内容：每个网页都应该有内容，这里只用XHTML来表示——就能将它传递到最终的网页上，让浏览器解释
XML程序：
文档由一个包含数个directory和page元素的website元素组成，每个目录元素可以包括更多的页面和目录。directory和page元素有name特性，属性值为它们的名字。此外，page标签还有title特性。page元素包括XHTML代码（XHTML的body标签中的类型）
#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 int:</p> <ul> <li><a href="interests/shouting.html">Shouting</a></li> <li><a href="interests/sleeping.html">Sleeping</a></li> <li><a href="interests/eating.html">Eating</a></li> </ul> </page> <directory name="interests"> <page name="shouting" title="Shouting"> <h1>shouting page</h1> <p>....</p> </page> <page name="sleeping" title="Sleeping"> <h1>sleeping page</h1> <p>...</p> </page> <page name="eating" title="Eating"> <h1>Eating page</h1> <p>....</p> </page> </directory> </website>
XML文件解析：
python解析xml和在java中一样，有两种方式，SAX和DOM，两种处理方式不同点在于速度和范围，前者讲究的是效率，每次只处理文档的一小部分，快速而能有效的利用内存，后者是相反的处理方式，先把所有的文档载入到内存，然后再进行处理，速度比较慢，也比较消耗内存，唯一的好处就是可以操作整个文档。
1. 简单实现
1.1 简单的内容处理程序
在python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler，后面的这个类是要和parse函数来配合使用的。使用方式如下： parse('xxx.xml',xxxHandler),这里面的xxxHandler要继承上面的ContentHandler。 然后这个parse函数在处理xml文件的时候，会调用xxxHandler中的startElement函数和endElement函数来表示一个xml中的标签的开始和结束，中间的过程使用一个名为characters的函数来处理标签内部的所有字符串。
from xml.sax.handler import ContentHandler from xml.sax import parse class TestHandler(ContentHandler): def startElement(self,name,attrs): print name, attrs.keys() parse('website.xml',TestHandler())
startElement函数参数：标签及其特性（保存在类字典对象中）；
endElement函数参数：标签名；
characters函数参数：字符串；
#建立网站大标题（h1元素）列表的例子 from xml.sax.handler import ContentHandler from xml.sax import parse class HeadlineHandler(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_lines=True def endElement(self,name): if name=='h1': text=' '.join(self.data) self.data=[] self.headlines.append(text) self.in_headline=False def characters(self,string): if self.in_headline: self.data.append(string) headlines=[] parse('website.xml',HeadlineHandler(headlines)) print 'The following <h1> elements were found:' for h in headlines: print h
分析：
为啥结果是空？？？？？？？？？？？？？？？？？？？？？？？？？
1.2 创建HTML页面
要求：
在每个page元素开始处，使用给定的文件名打开一个新文件，写入合适的HTML首部，包括给定的标题；
在每个page元素的结尾处，写入HTML的页脚，然后关闭文件；
在page元素内部时，跳过所有标签和字符，不进行修改（将它们直接写入文件）；
不在page元素内部时，忽略所有标签（比如website或者directory）
#简单的页面创建程序脚本（pagemaker.py) from xml.sax.handler import ContentHandler from xml.sax import parse class PageMaker(ContentHandler): passthrough=False def startElement(self,name,attrs): if name == 'page': self.passthrough=True self.out=open(attrs['name']+'.html','w') self.out.write('<html><head>\n') self.out.write('<title>%s</title>\n‘ % attrs['title']) self.out.write('</head><body>\n') elif self.passthrough: self.out.write('<'+name) for key,val in attrs.items(): self.out.write(' %s=%s"' % (key,val)) self.out.write('>') def endElement(self,name): if name == 'page': self.passthrough=False self.out.write('\n<body></html>\n’) self.out.close() elif self.passthrough: self.out.write('<%s>' % name) def characters(self,chars): if self.passthrough:self.out.write(chars) parse('website.xml',PageMaker())
有啥都没。。。。。。
存在的问题：
使用if语句处理不同的事件类型，若事件很多，if语句很长且不易读；
HTML代码是硬连接的，应该可以轻松进行替换
2. 改进
2.1 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 #capitalize()方法返回字符串的一个副本，只有它的第一个字母大写 #Instance = A() print getattr(Instance , 'name, 'not find') #如果Instance 对象中有属性name则打印self.name的值，否则打印'not find' #callable(obj),检查对象obj是否可调用 def dispatch(self,predix,name,attrs=None): mname=predix+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)
说明：
根据一个前缀（‘start’或‘end’）和一个标签名（比如‘page’）构造处理程序的方法名（比如‘startPage');
使用同样的前缀，构造默认处理程序的名字（比如’defaultStart');
试着使用getattr获得处理程序，用Nono作为默认值；
如果结果可以调用，将一个空元组赋值给args；
否则试着利用getattr获取默认处理程序，再次使用None作为默认值，同样的将args设为只包括标签名的元组（默认程序需要）；
如果正在使用一个起始处理程序，那么将属性添加到参数元组（args）；
如果处理程序可调用（或者是可用的具体处理程序，或者是可用的默认程序）使用正确的参数进行调用。
2.2 实现首部，页脚和默认的处理程序
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") 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）
2.3 对目录的支持
os.makedirs：在给定的路径内创建所需要的目录；
os.path.isdir：检查指定的路径是否是目录；
os.path.join：可用使用正确的分隔符将数个路径连接起来
2.4 事件处理程序
#目录处理程序 def startDirectory(self,attrs): self.directory.append(attrs['name']) self.ensureDirectory() def endDirectory(self): self.directory.pop() #页面处理程序 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()
3. 总结
3.1 流程
程序执行逻辑：
1）.parse('website.xml',WebsiteConstructor('public_html'))
首先生成一个WebsiteConstructor对象，生成此对象时调用其构造方法创建名为public_html的目录
2）.parse调用处理程序WebsiteConstructor，下面将是触发式执行程序
逻辑概要:一共会触发时执行三种事件，起始标签、结束标签、遇到字符
遇到字符：只需直接打印字符即可
起始标签：会判断如果有此标签起始方法则调用，否则调用默认其实方法（default开头的）
结束标签：同上
在page里才能打印，所以在page的起始标签中加入了passthroug变量（如果为True在页面内，False不再页面内）。如果在页面内则能调用默认方法下的if语句，否则不执行。
3.2 程序
1）attrs是一个字典，存储的是该标签的所有属性，以字典方式存储， key=属性名，value=属性值
2）characters遇到字符就会触发的事件，字符块可能是全是空格的字符块
from xml.sax.handler import ContentHandler from xml.sax import parse import os class Dispatcher: 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) def startElement(self, name, attrs): self.dispatch('start', name, attrs) def endElement(self, name): self.dispatch('end', name) class WebsiteConstructor(Dispatcher, ContentHandler): passthrough = False def __init__(self, directory): self.directory = [directory] self.ensureDirectory() def ensureDirectory(self): path = os.path.join(*self.directory) print path print '----' if not os.path.isdir(path): os.makedirs(path) def characters(self, chars): if self.passthrough: self.out.write(chars) 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) def startDirectory(self, attrs): self.directory.append(attrs['name']) self.ensureDirectory() def endDirectory(self): print 'endDirectory' self.directory.pop() def startPage(self, attrs): print 'startPage' filename = os.path.join(*self.directory + [attrs['name']+'.html']) self.out = open(filename, 'w') self.writeHeader(attrs['title']) self.passthrough = True def endPage(self): print 'endPage' self.passthrough = False self.writeFooter() self.out.close() 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'))
