Xử lý XML trong Python



Thư viện Python chuẩn cung cấp các Interface hữu ích để làm việc với XML. Hai APIs cơ bản và được sử dụng nhiều nhât là SAX và DOM. SAX (viết tắt của Simple API for XML) là read-only trong khi DOM (viết tắt của Document Object Model) cho phép tạo các thay đổi tới XML file.

Chương này sẽ giới thiệu về cả hai Interface này, nhưng trước hết, chúng ta tạo một XML file đơn giản có tên là movies.xml để làm input:

Phân tích cú pháp XML với SAX APIs

Nói chung, bạn cần tạo riêng cho mình một ContentHandler là lớp con của xml.sax.ContentHandler.

ContentHandler của bạn sẽ xử lý các tag cụ thể và các thuộc tính của XML. Một đối tượng ContentHandler cung cấp các phương thức để xử lý các sự kiện parsing khác nhau.

Phương thức startDocument và endDocument được gọi tại phần bắt đầu và phần cuối của XML file. Phương thức characters(text) để truyền dữ liệu ký tự của XML thông qua tham số text.

Đối tượng ContentHandler được gọi tại phần bắt đầu và phần cuối của mỗi phần tử. Nếu Parser không trong namespace mode, thì các phương thức startElement(tag, thuoc_tinh) và endElement(tag) được gọi; nếu không thì, các phương thức tương ứng startElementNS và endElementNS được gọi. Ở đây, tham số tag là thẻ và thuoc_tinh là một đối tượng Attributes.

Bạn tìm hiểu một số phương thức quan trọng sau để hiểu rõ tiến trình xử lý hơn:

Phương thức make_parser trong Python

Phương thức sau tạo một đối tượng parser mới và trả về nó. Đối tượng parser đã được tạo này sẽ là kiểu parser đầu tiên mà hệ thống tìm thấy.

xml.sax.make_parser( [parser_list] )

Tham số parser_list là tùy ý, bao gồm một danh sách các parser để sử dụng, tất cả phải triển khai phương thức make_parser.

Phương thức parse trong Python

Phương thức này tạo một SAX parser và sử dụng nó để phân tích cú pháp một tài liệu.

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

Chi tiết tham số:

  • xmlfile: Đây là tên của XML file để đọc từ đó.

  • contenthandler: Đây phải là một đối tượng ContentHandler.

  • errorhandler: Nếu được xác định, thì nó phải là một đối tượng SAX ErrorHandler.

Phương thức parseString trong Python

Phương thức này cũng dùng để tạo một SAX parser và để phân tích cú pháp XML string đã cho.

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

Chi tiết về tham số:

  • xmlstring: Là tên của XML string để đọc từ đó.

  • contenthandler: Phải là một đối tượng ContentHandler.

  • errorhandler: Nếu được xác định, thì nó phải là một đối tượng SAX ErrorHandler.

Ví dụ

 import xml.saxclass Phim BoHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.type = ""
      self.format = ""
      self.year = ""
      self.rating = ""
      self.stars = ""
      self.description = ""   # Goi khi mot phan tu bat dau
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print "*****Phim Bo*****"
         title = attributes["title"]
         print "Ten Phim:", title   # Goi khi mot phan tu ket thuc
   def endElement(self, tag):
      if self.CurrentData == "type":
         print "The loai:", self.type
      elif self.CurrentData == "format":
         print "Dinh dang:", self.format
      elif self.CurrentData == "year":
         print "Nam:", self.year
      elif self.CurrentData == "rating":
         print "Rating:", self.rating
      elif self.CurrentData == "stars":
         print "Dien vien:", self.stars
      elif self.CurrentData == "description":
         print "Gioi thieu:", self.description
      self.CurrentData = ""   # Goi khi mot ky tu duoc doc
   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__"):
   
   # Tao mot XMLReader
   parser = xml.sax.make_parser()
   # Tat cac namepsace
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)   # ghi de ContextHandler mac dinh
   Handler = Phim BoHandler()
   parser.setContentHandler( Handler )
   
   parser.parse("movies.xml")

Phân tích cú pháp XML với DOM APIs

DOM thực sự hữu ích với các ứng dụng truy cập ngẫu nhiên. SAX chỉ cho phép bạn xem một bit của tài liệu tại một thời điểm và không có quyền truy cập khác.

Dưới đây là cách nhanh nhất để tải một XML document và để tạo một đối tượng minidom bởi sử dụng xml.dom Module. Đối tượng minidom cung cấp một phương thức parser đơn giản mà tạo một DOM tree một cách nhanh chóng từ XML file.

Hàm parse(file [,parser]) của đối tượng minidom để phân tích cú pháp XML file đã được chỉ rõ bởi file bên trong một đối tượng DOM tree.

 from xml.dom.minidom import parse
import xml.dom.minidom# Mo mot tai lieu XML document boi su dung minidom parser
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print "Root element : %s" % collection.getAttribute("shelf")# Lay tat ca phim trong bo suu tap
movies = collection.getElementsByTagName("movie")# in chi tiet ve moi phim.
for movie in movies:
   print "*****Phim Bo*****"
   if movie.hasAttribute("title"):
      print "Ten Phim: %s" % movie.getAttribute("title")   type = movie.getElementsByTagName('type')[0]
   print "The loai: %s" % type.childNodes[0].data
   format = movie.getElementsByTagName('format')[0]
   print "Dinh dang: %s" % format.childNodes[0].data
   rating = movie.getElementsByTagName('rating')[0]
   print "Rating: %s" % rating.childNodes[0].data
   description = movie.getElementsByTagName('description')[0]
   print "Gioi thieu: %s" % description.childNodes[0].data