Python中的XML处理

XML Processing in Python

我将要构建一个项目，该项目需要构造XML文档并将其发布到Web服务，并且我想用Python来完成它，以此来扩展我的技能。

不幸的是，尽管我对.NET相当了解XML模型，但是我不确定Python中XML模型的优缺点。

任何人都有使用Python处理XML的经验吗？你会建议我从哪里开始？我将要构建的XML文件将非常简单。

ElementTree有一个不错的pythony API。我认为它甚至是python 2.5的一部分

它是用纯python编写的，正如我所说的，还不错，但是如果您最终需要更多性能，则lxml公开相同的API并在后台使用libxml2。从理论上讲，您可以在发现需要时将其换入。

就个人而言，我曾在一个XML繁重的项目中使用了多个内置选项，并已将pulldom定位为不太复杂的文档的最佳选择。

尤其是对于小的简单内容，我喜欢事件驱动的解析理论，而不是为相对简单的结构设置整个回调系列。这是有关如何使用API??的快速讨论。

我喜欢什么：您可以在for循环中处理解析，而不是使用回调。您还会延迟完整解析("拉"部分)，并且仅在调用expandNode()时获得更多详细信息。这满足了我对"负责任的"效率的一般要求，同时又不牺牲易用性和简单性。

这取决于文档需要多么复杂。

我在编写XML时经常使用minidom，但是通常只是读取文档，进行一些简单的转换，然后再写回。在我需要排序元素属性的能力之前，这种方法已经足够好了(以满足无法正确解析XML的古老应用程序)。那时我放弃了，自己写了XML。

如果您只是在处理简单的文档，那么比学习框架更快，更简单。如果可以想象手工编写XML，那么也可以手工编写XML(只是要记住正确地转义特殊字符，并使用str.encode(codec, errors="xmlcharrefreplace"))。除了这些困难之外，XML非常普通，因此您不需要特殊的库来编写它。如果文档太复杂而无法手工编写，那么您可能应该研究一下已经提到的框架之一。您根本不需要编写通用的XML编写器。

我已经将ElementTree用于多个项目并推荐它。

它是pythonic，随Python 2.5一起提供，包括c版本cElementTree(xml.etree.cElementTree)，它比纯Python版本快20倍，并且非常易于使用。

lxml具有一些性能优势，但是它们并不平衡，因此您应该首先检查用例的基准。

据我了解，ElementTree代码可以轻松移植到lxml。

通常，有3种主要的XML处理方式：dom，sax和xpath。如果您有能力将整个xml文件立即加载到内存中，并且您不介意处理数据结构，并且正在查看该模型的大部分/大部分，则dom模型是很好的。如果您只关心几个标签，并且/或者您正在处理大文件并且可以按顺序处理它们，那么sax模型非常有用。 xpath模型只是每个模型的一点点-您可以选择所需的数据元素的路径，但需要使用更多的库。

如果您想直接使用Python打包，那么minidom是您的答案，但是这很la脚，文档是" dom的文档，请弄清楚"。真烦人。

就个人而言，我喜欢cElementTree，这是ElementTree的更快(基于c)的实现，而ElementTree是一个类似于dom的模型。

我使用过sax系统，并且在许多方面它们在感觉上更像" pythonic"，但是我通常最终会创建基于状态的系统来处理它们，而这就是疯狂(和错误)。

我说如果您喜欢研究，可以选择minidom，如果您想要好的代码能很好地工作，可以选择ElementTree。

您也可以尝试解开来解析简单的XML文档。

我编写了一个SOAP服务器，该服务器接收XML请求并创建XML响应。 (不幸的是，这不是我的项目，所以它是封闭源代码，但这是另一个问题)。

对我来说，如果您具有"适合"模式的数据结构，则创建(SOAP)XML文档非常简单。

我保留信封，因为响应信封(几乎)与请求信封相同。然后，由于我的数据结构是一个(可能是嵌套的)字典，因此我创建了一个字符串，将该字典转换为 value 项。

递归使这项任务变得简单，最终我得到了正确的结构。这一切都在python代码中完成，并且目前足够快用于生产。

您也可以(相对)轻松地构建列表，尽管您可能会遇到问题，除非您给出长度提示，这取决于您的客户。

对我来说，这要简??单得多，因为字典比某些自定义类要容易得多。对于书籍而言，生成XML比解析容易得多！

由于您提到要构建"非常简单"的XML，因此minidom模块(Python标准库的一部分)可能会满足您的需求。如果您有XML的DOM表示方面的经验，则应该找到非常简单的API。

要在Python中认真使用XML，请使用lxml

Python随附ElementTree内置库，但是lxml在速度和功能(模式验证，sax解析，XPath，各种迭代器和许多其他功能)方面对其进行了扩展。

您必须安装它，但是在许多地方，已经假定它是标准设备的一部分(例如，Google AppEngine不允许基于C的Python软件包，但lxml，pyyaml和其他一些例外)。

使用E-factory构建XML文档(来自lxml)

您的问题是关于构建XML文档。

有了lxml，有很多方法，我花了一些时间才找到它，它似乎易于使用，也易于阅读。

来自lxml doc的有关使用电子工厂的示例代码(略有简化)：

电子工厂为生成XML和HTML提供了一种简单而紧凑的语法：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

>>> from lxml.builder import E

>>> html = page = (
... E.html( # create an Element called"html"
... E.head(
... E.title("This is a sample document")
... ),
... E.body(
... E.h1("Hello!"),
... E.p("This is a paragraph with", E.b("bold")," text in it!"),
... E.p("This is another paragraph, with a","\
",
... E.a("link", href="http://www.python.org"),"."),
... E.p("Here are some reserved characters: <spam&egg>."),
... )
... )
... )

>>> print(etree.tostring(page, pretty_print=True))
<html>
<head>
This is a sample document
</head>
<body>
Hello!

This is a paragraph with bold text in it!


This is another paragraph, with a
link.


Here are some reserved characters: <spam&egg>.

</body>
</html>

我喜欢在电子工厂中进行以下操作

代码几乎读取为生成的XML文档

可读性很重要。

允许创建任何XML内容

支持类似的东西：

命名空间的使用
一个元素内的开始和结束文本节点
格式化属性内容的函数(请参阅完整的lxml示例中的func CLASS)

允许带有列表的易读结构

例如。：

1
2
3
4
5

from lxml import etree
from lxml.builder import E
lst = ["alfa","beta","gama"]
xml = E.root(*[E.record(itm) for itm in lst])
etree.tostring(xml, pretty_print=True)

导致：

1
2
3
4
5