什麼是XML

XML是可擴充套件標記語言（Extensible Markup Language）的縮寫，其中標記是關鍵部分。使用者可以建立內容，然後使用限定標記標記它，從而使每個單詞、短語或塊成為可識別、可分類的資訊。 標記語言從早起的私有公司和政府制定形式逐漸演變成標準通用標記語言（Standard Generalized Markup Language，SGML）、超文字標記語言（Hypertext Markup Language，HTML），並且最終演變成XML。XML有以下幾個特點：

• XML的設計宗旨是傳輸資料，而非顯示資料
• XML的標籤沒有被預定義，使用者需要自行定義標籤
• XML被設計為具有自我描述性
• XML是W3C的推薦標準

Python對XML檔案的解析

常見的XML程式設計介面有DOM和SAX，這兩種介面處理XML檔案的方式不同，使用場合也不同。DOM是由W3C官方提出的標準，它會把整個XML檔案讀入記憶體，並將該檔案解析成樹，我們可以通過訪問樹的節點的方式訪問XML中的標籤，但是這種方法佔用記憶體大，解析慢，如果讀入檔案過大，儘量避免使用這種方法。SAX是事件驅動的，通過在解析XML的過程中觸發一個個的事件並呼叫使用者自定義的回撥函式來處理XML檔案，速度比較快，佔用記憶體少，但是需要使用者實現回撥函式，因此Python標準庫的官方文件中這樣介紹SAX：SAX每次只允許你檢視文件的一小部分，你無法通過當前獲取的元素訪問其他元素。Python中提供了很多包支援XML檔案的解析，如xml.dom，xml.sax，xml.dom.minidom和xml.etree.ElementTree等，本文重點介紹xml.dom.minidom

xml.dom.minidom包

xml.dom.minidom是DOM API的極簡化實現，比完整版的DOM要簡單的多，而且這個包也小得多，下面以movie.xml檔案為例進行操作。

<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>

然後我們呼叫xml.dom.minidom.parse方法讀入xml檔案並解析成DOM樹

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
from xml.dom.minidom import parse
import xml.dom.minidom
 
# 使用minidom解析器開啟 XML 文件
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print "Root element : %s" % collection.getAttribute("shelf")
 
# 在集合中獲取所有電影
movies = collection.getElementsByTagName("movie")
 
# 列印每部電影的詳細資訊
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

以上程式執行結果如下：

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