🏮1 XML概述
🎈1.1 XML简介 定义：XML 指可扩展标记语言（eXtensible Markup Language）。可扩展标记语言（英语：Extensible Markup Language，简称：XML）是一种标记语言，是从标准通用标记语言（SGML）中简化修改出来的。它主要用到的有可扩展标记语言、可扩展样式语言（XSL）、XBRL和XPath等
用途：传输和存储数据。
特点：与开发语言的操作系统无关，可跨平台实现操作系统间的通信。
具象描述：可扩展标记语言；很像HTML的标记语言；设计宗旨是传输数据，而不是显示数据；XML 标签没有被预定义；可以自定义标签对；被设计为具有自我描述性；W3C 的推荐标准。
🎈1.2 XML语法XML的一个小例子，可以参考上一节学习的内容。
代码语言：javascript代码运行次数：0运行复制
声明（可选择项）
从上面代码中可以看到，一个XML包含一个声明
标签
必须有一个关闭标签。简单来说，XML必须有开始标签和结束标签，而且标签对的名称对大小写敏感。
属性值
属性值必须使用引号引起来。例如class="red"中red就要使用引号括起来，如下：
代码语言：javascript代码运行次数：0运行复制
特殊转义符
转义后
转义前
解释
<
<
less than
>
>
greater than
&
&
ampersand
'
'
apostrophe
"
"
quotation mark
注释
代码语言：javascript代码运行次数：0运行复制
🎈2.1 解析XML方式&实验文件SAX (simple API for XML )【流式读取，需自定义回调函数】
Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。DOM（Document Object Model）【不建议使用，慢，占用内存】
将 XML 数据在内存中解析成一个树，通过对树的操作来操作XML。ElementTree（元素树）
ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。比如，这里是一份xml文件persons.xml
代码语言：javascript代码运行次数：0运行复制
🎈2.2 SAX解析xml SAX是一种基于事件驱动的 API。利用SAX解析XML文档牵涉到两个部分: 解析器和事件处理器。
将下面的内容写在一个SaxPersons.py文件中，
代码语言：javascript代码运行次数：0运行复制#!/usr/bin/python
# -*- coding: UTF-8 -*-
import xml.sax
class PersonHandler( xml.sax.ContentHandler ):
def __init__(self):
self.CurrentData = ""
self.name = ""
self.sex = ""
self.age = ""
# 开始元素事件
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "person":
print ("*****person*****")
sid = attributes["sid"]
print ("编号:", sid)
# 结束元素事件
def endElement(self, tag):
if self.CurrentData == "name":
print ("姓名：", self.name)
elif self.CurrentData == "sex":
print ("性别：", self.sex)
elif self.CurrentData == "age":
print ("年龄：", self.age )
self.CurrentData = ""
# 元素内容事件处理
def characters(self, content):
if self.CurrentData == "name":
self.name = content
elif self.CurrentData == "sex":
self.sex = content
elif self.CurrentData == "age":
self.age = content
if ( __name__ == "__main__" ):
# 创建一个 XMLReader 对象
parser = xml.sax.make_parser()
# 打开一个执行空间
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写 ContextHandler 指向我们自定义的执行器``PersonHandler``
Handler = PersonHandler()
parser.setContentHandler( Handler )
# 解析转换指定路径上的XML文件
parser.parse("persons.xml")在Python3环境下，执行命令python3 SaxPersons.py解析结果如下：
代码语言：javascript代码运行次数：0运行复制xxx$ python3 SaxPersons.py
*****person*****
编号: 001
姓名： 张小帅
性别： 男
年龄： 18
*****person*****
编号: 002
姓名： 刘晓萌
性别： 女
年龄： 21
*****person*****
编号: 003
姓名： 王老四
性别： 男
年龄： 38🔑 Python官方提供了针对SAX2的解析支持： https://docs.python.org/3/library/xml.sax.html
🎈2.3 DOM（xml.dom）解析xml python中用xml.dom.minidom来解析xml文件。
下面，我们使用persons.xml作为实验对象，来解析xml。下面是我们的python文件DomPersons.py
代码语言：javascript代码运行次数：0运行复制#!/usr/bin/python
# -*- coding: UTF-8 -*-
from xml.dom.minidom import parse
import xml.dom.minidom
# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse("persons.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("根元素 : %s" % collection.getAttribute("shelf"))
# 在集合中获取所有同学
persons = collection.getElementsByTagName("person")
# 遍历同学信息
for person in persons:
print ("*****person*****")
if person.hasAttribute("sid"):
print ("编号: %s" % person.getAttribute("sid"))
name = person.getElementsByTagName('name')[0]
print ("姓名: %s" % name.childNodes[0].data)
sex = person.getElementsByTagName('sex')[0]
print ("性别: %s" % sex.childNodes[0].data)
age = person.getElementsByTagName('age')[0]
print ("年龄: %s" % age.childNodes[0].data)在Python3环境下，执行python3 DomPersons.py解析结果如下：
代码语言：javascript代码运行次数：0运行复制xxx$ python3 DomPersons.py
*****person*****
编号: 001
姓名: 张小帅
性别: 男
年龄: 18
*****person*****
编号: 002
姓名: 刘晓萌
性别: 女
年龄: 21
*****person*****
编号: 003
姓名: 王老四
性别: 男
年龄: 38🔑 Python官方提供解析支持： https://docs.python.org/3/library/xml.dom.html
🎈2.4 ElementTree解析xml 警告：该xml.etree.ElementTree模块对恶意构建的数据不安全。如果您需要解析不受信任或未经身份验证的数据，请参阅XML 漏洞。
当然，我们还是使用上面的persons.xml文件来作为我们的实验对象。下面是我们的python文件ElePersons.py
代码语言：javascript代码运行次数：0运行复制#!/usr/bin/python
# -*- coding: UTF-8 -*-
import xml.etree.ElementTree as ET
# 导入文件到python对象，也可以一步到位，直接使用``persons = ET.fromstring(country_data_as_string) ``，这个代码同下面两行等价
tree = ET.parse('persons.xml')
persons = tree.getroot()
# 迭代子节点
for index, person in enumerate(persons):
print ("第%s个%s同学，编号：%s" % (index, person.tag, person.attrib))
# 子节点是嵌套的，使用索引来获取
for i, p in enumerate(person):
print ("标签名称：%s，标签内容：%s" % (p.tag, p.text))在Python3环境下，执行python3 ElePersons.py解析结果如下：
代码语言：javascript代码运行次数：0运行复制xxx$ python3 ElePersons.py
第0个person同学，编号：{'sid': '001'}
标签名称：name，标签内容：张小帅
标签名称：sex，标签内容：男
标签名称：age，标签内容：18
第1个person同学，编号：{'sid': '002'}
标签名称：name，标签内容：刘晓萌
标签名称：sex，标签内容：女
标签名称：age，标签内容：21
第2个person同学，编号：{'sid': '003'}
标签名称：name，标签内容：王老四
标签名称：sex，标签内容：男
标签名称：age，标签内容：38🎈2.5 ElementTree 详细解析🛎语法格式
xml.etree.ElementTree.Element(tag, attrib={}, **extra)
🩸 tag
一个字符串，用于标识此元素表示的数据类型（简单说就是元素类型）。例如在我们上面的解析过程中，我们使用persons获取对象后，获取他的标签对是persons。
代码语言：javascript代码运行次数：0运行复制>>> import xml.etree.ElementTree as ET
>>> persons = ET.parse('persons.xml').getroot()
>>> print (persons.tag)
persons在嵌套的对象中，我们使用迭代元素之后，可以循环遍历这个对象的标签，如下所示，其中使用了Python中的内置函数enumerate，该函数用于将一个可遍历的数据对象（如列表、元组或字符串）组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中：
代码语言：javascript代码运行次数：0运行复制>>> for index, person in enumerate(persons):
... print (person.tag)
...
person
person
person🔑 关于Python内置函数，可以参考官方提供文档：https://docs.python.org/release/3.10.4/library/functions.html
🩸 attrib
元素属性的字典。下面获取每个同学的属性，学籍编号，如下面所示：
代码语言：javascript代码运行次数：0运行复制>>> for index, person in enumerate(persons):
... print (person.attrib)
...
{'sid': '001'}
{'sid': '002'}
{'sid': '003'}🩸 text
标签对的内容。从下面的代码中，可以看到。text是针对标签对的内容或值。
代码语言：javascript代码运行次数：0运行复制>>> for index, person in enumerate(persons):
... for pi, p in enumerate(person):
... print (p.tag)
... print (p.text)
... print ("------------")
...
name
张小帅
------------
sex
男
------------
age
18
------------
name
刘晓萌
------------
sex
女
------------
age
21
------------
name
王老四
------------
sex
男
------------
age
38
------------🤔 思考：如果我想要打印出来persons这个对象的text内容，将会是什么呢，有兴趣的可以尝试下？
🔑 Python官方提供解析支持：https://docs.python.org/release/3.9.9/library/xml.etree.elementtree.html#module-xml.etree.ElementTree