Phân tích XML với SAX APIs trong Python

SAX là giao diện chuẩn cho phân tích XML dựa trên sự kiện. Phân tích XML với SAX thường yêu cầu bạn tạo ContentHandler riêng bằng cách kế thừa từ xml.sax.ContentHandler.

ContentHandler của bạn xử lý các thẻ và thuộc tính đặc thù của loại XML của bạn. Đối tượng ContentHandler cung cấp các phương thức để xử lý nhiều sự kiện phân tích. Trình phân tích sở hữu nó gọi các phương thức của ContentHandler khi nó phân tích tệp XML.

Các phương thức startDocument và endDocument được gọi ở đầu và cuối tệp XML. Phương thức characters(text) nhận dữ liệu ký tự của tệp XML qua tham số text.

ContentHandler được gọi tại đầu và cuối mỗi phần tử. Nếu trình phân tích không ở chế độ namespace, các phương thức startElement(tag, attributes) và endElement(tag) được gọi; ngược lại, các phương thức startElementNS và endElementNS được gọi. Ở đây, tag là thẻ phần tử, và attributes là đối tượng Attributes.

Dưới đây là các phương thức quan trọng khác cần hiểu trước khi tiếp tục:

Phương thức make_parser

Phương thức sau tạo một đối tượng trình phân tích mới và trả về nó. Đối tượng trình phân tích được tạo sẽ là loại trình phân tích đầu tiên mà hệ thống tìm thấy.

xml.sax.make_parser([parser_list])

Chi tiết tham số:

• parser_list - Danh sách tùy chọn các trình phân tích để sử dụng, tất cả phải triển khai phương thức make_parser.

Phương thức parse

Phương thức sau tạo một trình phân tích SAX và sử dụng nó để phân tích một tài liệu.

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

Chi tiết tham số:

• xmlfile - Tên tệp XML để đọc.
• contenthandler - Phải là đối tượng ContentHandler.
• errorhandler - Nếu chỉ định, phải là đối tượng SAX ErrorHandler.

Phương thức parseString

Có thêm một phương thức để tạo trình phân tích SAX và phân tích chuỗi XML được chỉ định.

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

Chi tiết tham số:

• xmlstring - Chuỗi XML để đọc.
• contenthandler - Phải là đối tượng ContentHandler.
• errorhandler - Nếu chỉ định, phải là đối tượng SAX ErrorHandler.

Ví dụ

#!/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 = ""

    # Gọi khi một phần tử bắt đầu
    def startElement(self, tag, attributes):
        self.CurrentData = tag
        if tag == "movie":
            print "*****Movie*****"
            title = attributes["title"]
            print "Title:", title

    # Gọi khi một phần tử kết thúc
    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 = ""

    # Gọi khi đọc ký tự
    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__"):
    # Tạo XMLReader
    parser = xml.sax.make_parser()
    # Tắt namespaces
    parser.setFeature(xml.sax.handler.feature_namespaces, 0)
    # Ghi đè ContextHandler mặc định
    Handler = MovieHandler()
    parser.setContentHandler(Handler)
    parser.parse("movies.xml")

Đoạn mã trên cho kết quả sau:

*****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

Để biết chi tiết đầy đủ về tài liệu API SAX, vui lòng tham khảo tài liệu Python SAX APIs chuẩn.