将 XML 和 Python 结合起来(2)

以上，我们已提到 SAX 会自动选择要使用的语法分析器；但 SAX 是什么？一个较好的答案是：

“SAX（XML 的简单 API）是 XML 语法分析器的公用语法分析器接口。它允许应用程序作者编写使用 XML 语法分析器的应用程序，但是它却独立于所使用的语法分析器。（将它看作 XML 的 JDBC。）”

-- Lars Marius Garshol, SAX for Python

SAX -- 如同它提供的语法分析器模块的 API -- 基本上是一个 XML 文档的顺序处理器。使用它的方法与 [xmllib] 示例极其相似，但更加抽象。定义语法分析器类，应用程序员将定义一个 'handler' 类，该类将注册所使用的语法分析器。必须定义四个 SAX 接口（每个接口都有几个方法）：DocumentHandler、DTDHandler、EntityResolver 和 ErrorHandler。已提供了所有这些接口的基类，但大多数情况下，最简单的方法是继承 'HandlerBase'，因为这个类继承了所有四个接口。可以不用考虑想要做什么。某些代码将帮助解释这一点；该样本执行与 [xmllib] 示例相同的任务。

尝试 SAX 的样本代码

      #--------------------- try_sax.py ----------------------#
      import string
      from xml.sax import saxlib, saxexts

      class QuotationHandler(saxlib.HandlerBase):
          """Crude sax extractor for quotations.dtd document"""

          def __init__(self):
                  self.in_quote = 0
                  self.thisquote = ''

          def startDocument(self):
              print '--- Begin Document ---'

          def startElement(self, name, attrs):
              if name == 'quotation':
                  print 'QUOTATION:'
                  self.in_quote = 1
              else:
                  self.thisquote = self.thisquote + '{'

          def endElement(self, name):
              if name == 'quotation':
                  print string.join(string.split(self.thisquote[:230]))+'...',
                  print '('+str(len(self.thisquote))+' bytes)'
                  self.thisquote = ''
                  self.in_quote = 0
              else:
                  self.thisquote = self.thisquote + '}'

          def characters(self, ch, start, length):
              if self.in_quote:
                  self.thisquote = self.thisquote + ch[start:start+length]

      if __name__ == '__main__':
          parser  = saxexts.XMLParserFactory.make_parser()
          handler = QuotationHandler()
          parser.setDocumentHandler(handler)
          parser.parseFile(open("sample.xml"))
          parser.close()

与 [xmllib] 相比，关于示例要注意两件小事：'parseFile()'/'parse()' 方法处理整个流／字符串，所以不必为语法分析器创建循环；向 'characters()' 提供了大量数据，自变量会指出数据的大小和位置以及传递的字符串。不要假设变量 'ch' 将以什么形式传送给 'characters()'。

包：DOM

DOM 是一种 XML 文档的高级树型表示。该模型并非特定于 Python，而是一种普通 XML 模型。Python 的 DOM 包是针对 SAX 构建的，并且包括在 PyXML 发行版中。由于篇幅关系，没有将代码样本加到本文中，但在 XML-SIG 的 "Python/XML HOWTO" 中给出了一个极好的总体描述。

“文档对象模型”(DOM) 为 XML 文档指定了树型表示。顶级文档实例是树的根，它只有一个子代，即顶级元素实例；这个元素有表示内容和子元素的子节点，他们也可以有子代。定义的函数允许随意遍历结果树，访问元素和属性值，插入和删除节点，以及将树转换回 XML。

DOM 可以用于修改 XML 文档，因为可以创建一棵 DOM 树，通过添加新节点和来回移动子树来修改这棵树，然后生成一个新的 XML 文档作为输出。您也可以自己构造一棵 DOM 树，然后将它转换成 XML；用这种方法生成 XML 输出比仅将 ... 写入文件的方法更灵活。

包：Pyxie

[pyxie] 模块从 XML-SIG 构建到 PyXML 发行版之上，它为 XML 文档提供了附加的高级接口。[pyxie] 将完成两项基本操作：它将 XML 文档转换成一种更易于进行语法分析的基于行的格式；并且它提供了将 XML 文档当作可操作树处理的方法。[pyxie] 所使用的基于行的 PYX 格式是独立于语言的，其工具适用于几种语言。总之，文档的 PYX 表示与其 XML 表示相比，更易于使用常见的基于行的文本处理工具进行处理，如 grep、sed、awk、bash、perl，或标准 python 模块，如 [string] 和 [re]。根据结果，从 XML 转换到 PYX 可能节省许多工作。

[pyxie] 将 XML 文档当作树处理的概念与 DOM 中的思路相似。由于 DOM 标准得到许多编程语言的广泛支持，那么如果 XML 文档的树型表示是必需的，大多数程序员会使用 DOM 标准而非 [pyxie]。

模块：XML 语法分析器

“XML 语法分析器”这个叫法太笼统，也许还不太确切，实际上它是一种比较旧的工具，用于检查 XML 文档是否符合句法以及其结构是否完好（但对于 DTD 无效）。一个附加的实用程序类在进行检查时会产生一些小麻烦，它会让 HTML 文档通过检查（即使那些文档没有 XML 必需的结束标记）。这个模块的适用范围并不能覆盖 PyXML 发行版中的所有模块。但如果只想验证一些 XML 文档，那么设置和运行 XML 语法分析器还是很容易的。如果从命令行运行，则该模块将在 STDIN 上检查 XML 文档，甚至不用将它导入程序。这是最简单的做法。

XML_OBJECTS 0.1

如同其它高级工具，xml_objects 构建在 SAX 之上。构建 xml_objects 的目的是将 XML 文档转换成一个两维网格表示，从而更易于在关系数据库中存储。

下一步

在下一个“可爱的 Python”专栏中，我们将进一步研究 xml.dom 模块，它可能是 Python 程序员用来处理 XML 文档的功能最强大的工具。

查看本文来源