Python - การประมวลผล XML

XML เป็นภาษาโอเพ่นซอร์สแบบพกพาที่ช่วยให้โปรแกรมเมอร์สามารถพัฒนาแอปพลิเคชันที่แอปพลิเคชันอื่นสามารถอ่านได้โดยไม่คำนึงถึงระบบปฏิบัติการและ / หรือภาษาพัฒนาการ

XML คืออะไร?

Extensible Markup Language (XML) เป็นภาษามาร์กอัปเหมือนกับ HTML หรือ SGML สิ่งนี้แนะนำโดย World Wide Web Consortium และมีให้ใช้งานในรูปแบบมาตรฐานเปิด

XML มีประโยชน์อย่างยิ่งสำหรับการติดตามข้อมูลจำนวนน้อยถึงปานกลางโดยไม่ต้องใช้แบ็คโบนที่ใช้ SQL

สถาปัตยกรรม XML Parser และ API

ไลบรารีมาตรฐาน Python มีชุดอินเทอร์เฟซที่เรียบง่าย แต่มีประโยชน์ในการทำงานกับ XML

API พื้นฐานและข้อมูล XML ที่ใช้กันอย่างแพร่หลายที่สุดสองรายการคืออินเทอร์เฟซ SAX และ DOM

  • Simple API for XML (SAX)- ที่นี่คุณลงทะเบียนการโทรกลับสำหรับเหตุการณ์ที่น่าสนใจจากนั้นให้โปรแกรมแยกวิเคราะห์ดำเนินการผ่านเอกสาร สิ่งนี้มีประโยชน์เมื่อเอกสารของคุณมีขนาดใหญ่หรือคุณมีข้อ จำกัด ของหน่วยความจำมันจะแยกวิเคราะห์ไฟล์เมื่ออ่านจากดิสก์และไฟล์ทั้งหมดจะไม่ถูกเก็บไว้ในหน่วยความจำ

  • Document Object Model (DOM) API - นี่คือคำแนะนำของ World Wide Web Consortium ซึ่งไฟล์ทั้งหมดจะถูกอ่านลงในหน่วยความจำและจัดเก็บในรูปแบบลำดับชั้น (อิงตามต้นไม้) เพื่อแสดงคุณสมบัติทั้งหมดของเอกสาร XML

เห็นได้ชัดว่า SAX ไม่สามารถประมวลผลข้อมูลได้เร็วเท่าที่ DOM สามารถทำได้เมื่อทำงานกับไฟล์ขนาดใหญ่ ในทางกลับกันการใช้ DOM เพียงอย่างเดียวสามารถฆ่าทรัพยากรของคุณได้โดยเฉพาะอย่างยิ่งหากใช้กับไฟล์ขนาดเล็กจำนวนมาก

SAX เป็นแบบอ่านอย่างเดียวในขณะที่ DOM อนุญาตให้เปลี่ยนแปลงไฟล์ XML เนื่องจาก API ที่แตกต่างกันทั้งสองนี้เสริมซึ่งกันและกันอย่างแท้จริงจึงไม่มีเหตุผลว่าทำไมคุณจึงไม่สามารถใช้ API ทั้งสองสำหรับโครงการขนาดใหญ่ได้

สำหรับตัวอย่างโค้ด XML ทั้งหมดของเรามาใช้ไฟล์ XML แบบง่ายmovies.xmlเป็นอินพุต -

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
</movie>
   <movie title="Trigun">
   <type>Anime, Action</type>
   <format>DVD</format>
   <episodes>4</episodes>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>

การแยกวิเคราะห์ XML ด้วย SAX API

SAX เป็นอินเทอร์เฟซมาตรฐานสำหรับการแยกวิเคราะห์ XML ที่ขับเคลื่อนด้วยเหตุการณ์ การแยกวิเคราะห์ XML กับ SAX โดยทั่วไปคุณต้องสร้าง ContentHandler ของคุณเองโดย subclassing xml.sax.ContentHandler

ContentHandlerของคุณจะจัดการแท็กและคุณลักษณะเฉพาะของรสชาติ XML ของคุณ ออบเจ็กต์ ContentHandler จัดเตรียมเมธอดในการจัดการเหตุการณ์การแยกวิเคราะห์ต่างๆ ตัวแยกวิเคราะห์ของตัวเองเรียกใช้เมธอด ContentHandler เมื่อแยกวิเคราะห์ไฟล์ XML

วิธีการstartDocumentและendDocumentจะเรียกว่าที่เริ่มต้นและจุดสิ้นสุดของไฟล์ XML ที่ อักขระวิธีการ(ข้อความ)ถูกส่งผ่านข้อมูลอักขระของไฟล์ XML ผ่านข้อความพารามิเตอร์

ContentHandler ถูกเรียกที่จุดเริ่มต้นและจุดสิ้นสุดของแต่ละองค์ประกอบ ถ้าตัวแยกวิเคราะห์ไม่ได้อยู่ในโหมดเนมสเปซเมธอดstartElement (แท็กแอ็ตทริบิวต์)และendElement (แท็ก)จะถูกเรียก มิฉะนั้นจะมีการเรียกวิธีการstartElementNSและendElementNSที่เกี่ยวข้อง ในที่นี้แท็กคือแท็กองค์ประกอบและแอตทริบิวต์คือวัตถุแอตทริบิวต์

ต่อไปนี้เป็นวิธีการสำคัญอื่น ๆ ที่ต้องทำความเข้าใจก่อนดำเนินการต่อ -

make_parserวิธี

วิธีการต่อไปนี้จะสร้างอ็อบเจ็กต์ parser ใหม่และส่งคืน ออบเจ็กต์ตัวแยกวิเคราะห์ที่สร้างขึ้นจะเป็นประเภทตัวแยกวิเคราะห์แรกที่ระบบพบ

xml.sax.make_parser( [parser_list] )

นี่คือรายละเอียดของพารามิเตอร์ -

  • parser_list - อาร์กิวเมนต์ที่เป็นทางเลือกประกอบด้วยรายการตัววิเคราะห์ที่จะใช้ซึ่งทั้งหมดต้องใช้เมธอด make_parser

แจงวิธี

วิธีการต่อไปนี้จะสร้างตัวแยกวิเคราะห์ SAX และใช้เพื่อแยกวิเคราะห์เอกสาร

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

นี่คือรายละเอียดของพารามิเตอร์ -

  • xmlfile - นี่คือชื่อของไฟล์ XML ที่จะอ่าน

  • contenthandler - ต้องเป็นวัตถุ ContentHandler

  • errorhandler - หากระบุตัวจัดการข้อผิดพลาดต้องเป็นวัตถุ SAX ErrorHandler

parseStringวิธี

มีอีกวิธีหนึ่งในการสร้างตัวแยกวิเคราะห์ SAX และแยกวิเคราะห์ที่ระบุ XML string.

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

นี่คือรายละเอียดของพารามิเตอร์ -

  • xmlstring - นี่คือชื่อของสตริง XML ที่จะอ่าน

  • contenthandler - ต้องเป็นวัตถุ ContentHandler

  • errorhandler - หากระบุตัวจัดการข้อผิดพลาดต้องเป็นวัตถุ SAX ErrorHandler

ตัวอย่าง

#!/usr/bin/python

import xml.sax

class MovieHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.type = ""
      self.format = ""
      self.year = ""
      self.rating = ""
      self.stars = ""
      self.description = ""

   # Call when an element starts
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print "*****Movie*****"
         title = attributes["title"]
         print "Title:", title

   # Call when an elements ends
   def endElement(self, tag):
      if self.CurrentData == "type":
         print "Type:", self.type
      elif self.CurrentData == "format":
         print "Format:", self.format
      elif self.CurrentData == "year":
         print "Year:", self.year
      elif self.CurrentData == "rating":
         print "Rating:", self.rating
      elif self.CurrentData == "stars":
         print "Stars:", self.stars
      elif self.CurrentData == "description":
         print "Description:", self.description
      self.CurrentData = ""

   # Call when a character is read
   def characters(self, content):
      if self.CurrentData == "type":
         self.type = content
      elif self.CurrentData == "format":
         self.format = content
      elif self.CurrentData == "year":
         self.year = content
      elif self.CurrentData == "rating":
         self.rating = content
      elif self.CurrentData == "stars":
         self.stars = content
      elif self.CurrentData == "description":
         self.description = content
  
if ( __name__ == "__main__"):
   
   # create an XMLReader
   parser = xml.sax.make_parser()
   # turn off namepsaces
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

   # override the default ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )
   
   parser.parse("movies.xml")

สิ่งนี้จะให้ผลลัพธ์ดังต่อไปนี้ -

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom

สำหรับรายละเอียดทั้งหมดเกี่ยวกับเอกสาร SAX API โปรดดูPython SAX APIมาตรฐาน

การแยกวิเคราะห์ XML ด้วย DOM API

Document Object Model ("DOM") เป็น API ข้ามภาษาจาก World Wide Web Consortium (W3C) สำหรับการเข้าถึงและแก้ไขเอกสาร XML

DOM มีประโยชน์อย่างยิ่งสำหรับแอปพลิเคชันการเข้าถึงโดยสุ่ม SAX อนุญาตให้คุณดูเอกสารครั้งละหนึ่งบิตเท่านั้น หากคุณกำลังดูองค์ประกอบ SAX หนึ่งคุณจะไม่สามารถเข้าถึงองค์ประกอบอื่นได้

นี่คือวิธีที่ง่ายที่สุดในการโหลดเอกสาร XML อย่างรวดเร็วและสร้างออบเจ็กต์ขนาดเล็กโดยใช้โมดูล xml.dom อ็อบเจ็กต์ minidom มีวิธีการแยกวิเคราะห์อย่างง่ายที่สร้างแผนผัง DOM จากไฟล์ XML ได้อย่างรวดเร็ว

วลีตัวอย่างเรียกใช้ฟังก์ชัน parse (file [, parser]) ของอ็อบเจ็กต์ minidom เพื่อแยกวิเคราะห์ไฟล์ XML ที่กำหนดโดยไฟล์ลงในอ็อบเจ็กต์ DOM tree

#!/usr/bin/python

from xml.dom.minidom import parse
import xml.dom.minidom

# Open XML document using minidom parser
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print "Root element : %s" % collection.getAttribute("shelf")

# Get all the movies in the collection
movies = collection.getElementsByTagName("movie")

# Print detail of each movie.
for movie in movies:
   print "*****Movie*****"
   if movie.hasAttribute("title"):
      print "Title: %s" % movie.getAttribute("title")

   type = movie.getElementsByTagName('type')[0]
   print "Type: %s" % type.childNodes[0].data
   format = movie.getElementsByTagName('format')[0]
   print "Format: %s" % format.childNodes[0].data
   rating = movie.getElementsByTagName('rating')[0]
   print "Rating: %s" % rating.childNodes[0].data
   description = movie.getElementsByTagName('description')[0]
   print "Description: %s" % description.childNodes[0].data

สิ่งนี้จะให้ผลลัพธ์ดังต่อไปนี้ -

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom

สำหรับรายละเอียดทั้งหมดเกี่ยวกับเอกสาร DOM API โปรดดูPython DOM APIมาตรฐาน