簡介
XML 全稱 Extensible Markup Language，中文譯為可擴充标記語言。
XML 之前有兩個先行者：SGML 和 HTML，率先登場的是 SGML， 盡管它功能強大，但文檔結構複雜，既不容易學也不易于使用，是以幾個主要的浏覽器廠商均拒絕支援 SGML，這些因素限制了 SGML 在網上的傳播性；1989 年 HTML 登場，它繼承了 SGML 諸多優點，去除了 SGML 複雜龐大的缺點，HTML 在資料顯示上表現十分出色，但它的文法是不可擴充的，是以其無法描述資料、可讀性差，沒辦法人們再次将目光轉向 SGML，經過對 SGML 一系列改造，終于在 1998 年，XML 第一個版本問世。
簡單來說就是：XML 和 HTML 均由 SGML 改造而來，HTML 是一種頁面技術，聚焦的是資料的顯示，而 XML 易于擴充，主要用來傳送和存儲資料，聚焦的是資料的内容。
解析
解析方式
Python 有三種 XML 解析方式：SAX（simple API for XML）、DOM（Document Object Model）、ElementTree。
DOM 方式：DOM 中文譯為文檔對象模型，是 W3C 組織推薦的标準程式設計接口，它将 XML 資料在記憶體中解析成一個樹，通過對樹的操作來操作 XML。
SAX 方式：SAX 是一個用于處理 XML 事件驅動的模型，它逐行掃描文檔，一邊掃描一邊解析，對于大型文檔的解析擁有巨大優勢，盡管不是 W3C 标準，但它卻得到了廣泛認可。
ElementTree 方式：ElementTree 相對于 DOM 來說擁有更好的性能，與 SAX 性能差不多，API 使用也很友善。
具體實作
在具體解析之前我們先準備一個 XML，如下所示：
test.xml
<?xml version="1.0" encoding="utf-8"?>
1001
張三
22
男
1002
李四
21
女
DOM 方式解析
使用 DOM 方式，首先要對其 API 有一定了解，如果不了解，網上的教程也比較多，比如：DOM 教程，下面看一下使用示例。
from xml.dom.minidom importparse#讀取檔案
dom = parse('test.xml')#擷取文檔元素對象
data =dom.documentElement#擷取 student
stus = data.getElementsByTagName('student')for stu instus:#擷取标簽屬性值
st_id = stu.getAttribute('id')
st_name= stu.getAttribute('name')#擷取标簽中内容
id = stu.getElementsByTagName('id')[0].childNodes[0].nodeValue
name= stu.getElementsByTagName('name')[0].childNodes[0].nodeValue
age= stu.getElementsByTagName('age')[0].childNodes[0].nodeValue
gender= stu.getElementsByTagName('gender')[0].childNodes[0].nodeValueprint('st_id:', st_id, ', st_name:',st_name)print('id:', id, ', name:', name, ', age:', age, ', gender:',gender)
輸出結果：
st_id: stu1 , st_name: stu
id:1001 , name: 張三 , age: 22, gender: 男
st_id: stu2 , st_name: stu
id:1002 , name: 李四 , age: 21 , gender: 女
通過輸出結果，我們可以發現已經擷取了标簽屬性值和标簽内容了。
SAX 方式解析
使用 SAX 解析 XML 文檔主要涉及到解析器和事件處理器，解析器負責讀取 XML 文檔，并向事件處理器發送事件，事件處理器負責對事件作出響應，對傳遞的 XML 資料進行處理。
Python 使用 SAX 處理 XML 需要用到 xml.sax 中的 parse 函數和 xml.sax.handler 中的 ContentHandler 類，下面看一下 ContentHandler 類中的一些方法。
characters(content)：調用時機：從行開始，遇到标簽之前，存在字元，content 的值為這些字元串；從一個标簽，遇到下一個标簽之前， 存在字元，content 的值為這些字元串；從一個标簽，遇到行結束符之前，存在字元，content 的值為這些字元串。
startDocument()：文檔啟動的時候調用。
endDocument()：解析器到達文檔結尾時調用。
startElement(name, attrs)：遇到 XML 開始标簽時調用，name 是标簽的名字，attrs 是标簽的屬性值字典。
endElement(name)：遇到 XML 結束标簽時調用。
下面通過示例看一下如何通過 SAX 方式解析 XML。
importxml.saxclassStudentHandler(xml.sax.ContentHandler):def __init__(self):
self.id= ""self.name= ""self.age= ""self.gender= ""
#元素開始調用
defstartElement(self, tag, attributes):
self.CurrentData=tagif tag == "student":
stu_name= attributes["name"]print("stu_name:", stu_name)#元素結束調用
defendElement(self, tag):if self.CurrentData == "id":print("id:", self.id)elif self.CurrentData == "name":print("name:", self.name)elif self.CurrentData == "age":print("age:", self.age)elif self.CurrentData == "gender":print("gender:", self.gender)
self.CurrentData= ""
#讀取字元時調用
defcharacters(self, content):if self.CurrentData == "id":
self.id=contentelif self.CurrentData == "name":
self.name=contentelif self.CurrentData == "age":
self.age=contentelif self.CurrentData == "gender":
self.gender=contentif (__name__ == "__main__"):#建立 XMLReader
parser =xml.sax.make_parser()#關閉命名空間
parser.setFeature(xml.sax.handler.feature_namespaces, 0)#重寫 ContextHandler
Handler =StudentHandler()
parser.setContentHandler(Handler)
parser.parse("test.xml")
輸出結果：
stu_name: stu
id:1001name: 張三
age:22gender: 男
stu_name: stu
id:1002name: 李四
age:21gender: 女
ElementTree 方式解析
Python 提供了兩種 ElementTree 的實作方式。一個是純 Python 實作的 xml.etree.ElementTree，另一個是 C 語言實作 xml.etree.cElementTree，使用 C 語言實作的方式速度更快且記憶體消耗更少。Python3.3 之後，ElemenTree 子產品會自動優先使用 C 加速器，如果不存在 C 實作，則會使用 Python 實作。是以，使用 Python3.3+ 時，隻需要 import xml.etree.ElementTree 即可。下面看一下示例。
importxml.etree.ElementTree as ET
tree= ET.parse("test.xml")#根節點
root =tree.getroot()#标簽名
print('root_tag:',root.tag)for stu inroot:#屬性值
print ("stu_name:", stu.attrib["name"])#标簽中内容
print ("id:", stu[0].text)print ("name:", stu[1].text)print("age:", stu[2].text)print("gender:", stu[3].text)
輸出結果：
root_tag: list
stu_name: stu
id:1001name: 張三
age:22gender: 男
stu_name: stu
id:1002name: 李四
age:21gender: 女