Python3-python-xml-processing
Python 3-XML処理
XMLは、オペレーティングシステムや開発言語に関係なく、プログラマが他のアプリケーションで読み取れるアプリケーションを開発できる、移植可能なオープンソース言語です。
XMLとは何ですか?
拡張マークアップ言語(XML)は、HTMLやSGMLによく似たマークアップ言語です。 これは、World Wide Web Consortiumによって推奨されており、オープンスタンダードとして利用できます。
XMLは、SQLベースのバックボーンを必要とせずに、少量から中量のデータを追跡するのに非常に役立ちます。
XMLパーサーのアーキテクチャとAPI
Python標準ライブラリは、XMLを操作するための最小限で便利なインターフェイスのセットを提供します。
XMLデータに対して最も基本的で広く使用されている2つのAPIは、SAXおよびDOMインターフェースです。
- * Simple API for XML(SAX)*-ここでは、目的のイベントのコールバックを登録し、パーサーにドキュメントを処理させます。 これは、ドキュメントが大きい場合やメモリに制限がある場合に便利です。ディスクからファイルを読み取るときにファイルを解析し、ファイル全体がメモリに保存されることはありません。
- *ドキュメントオブジェクトモデル(DOM)API *-これは、XMLドキュメントのすべての機能を表すためにファイル全体がメモリに読み込まれ、階層(ツリーベース)形式で格納されるWorld Wide Web Consortiumの推奨事項です。
SAXは、大きなファイルを扱う場合、DOMほど速く情報を処理できないことは明らかです。 一方、DOMを排他的に使用すると、特に多くの小さなファイルで使用されている場合、リソースを本当に殺す可能性があります。
SAXは読み取り専用ですが、DOMはXMLファイルの変更を許可します。 これら2つの異なるAPIは文字通り互いに補完するため、大規模プロジェクトで両方を使用できない理由はありません。
すべてのXMLコードの例について、単純なXMLファイル_movies.xml_を入力として使用してみましょう-
<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>
SAX APIを使用したXMLの解析
SAXは、イベント駆動型XML解析の標準インターフェイスです。 通常、SAXでXMLを解析するには、xml.sax.ContentHandlerをサブクラス化して独自のContentHandlerを作成する必要があります。
_ContentHandler_は、XMLのフレーバーの特定のタグと属性を処理します。 ContentHandlerオブジェクトは、さまざまな解析イベントを処理するメソッドを提供します。 所有するパーサーは、XMLファイルを解析するときにContentHandlerメソッドを呼び出します。
メソッド_startDocument_および_endDocument_は、XMLファイルの開始時と終了時に呼び出されます。 メソッド_characters(text)_には、パラメータテキストを介してXMLファイルの文字データが渡されます。
ContentHandlerは、各要素の開始時と終了時に呼び出されます。 パーサーがネームスペースモードでない場合、メソッド_startElement(tag、attributes)_および_endElement(tag)_が呼び出されます。それ以外の場合、対応するメソッド_startElementNS_および_endElementNS_が呼び出されます。 ここで、タグは要素タグであり、属性は属性オブジェクトです。
ここに進む前に理解する他の重要な方法があります-
make_parserメソッド
次のメソッドは、新しいパーサーオブジェクトを作成して返します。 作成されたパーサーオブジェクトは、システムが検出した最初のパーサータイプになります。
xml.sax.make_parser( [parser_list] )
ここにパラメータの詳細があります-
- parser_list -make_parserメソッドをすべて実装する必要がある、使用するパーサーのリストで構成されるオプションの引数。
解析メソッド
次のメソッドは、SAXパーサーを作成し、それを使用してドキュメントを解析します。
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
ここにパラメータの詳細があります-
- xmlfile -これは、読み取り元のXMLファイルの名前です。
- contenthandler -これはContentHandlerオブジェクトでなければなりません。
- errorhandler -指定する場合、errorhandlerはSAX ErrorHandlerオブジェクトでなければなりません。
parseStringメソッド
SAXパーサーを作成し、指定された* XML文字列*を解析する方法がもう1つあります。
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
ここにパラメータの詳細があります-
- xmlstring -これは、読み取り元のXML文字列の名前です。
- contenthandler -これはContentHandlerオブジェクトでなければなりません。
- errorhandler -指定する場合、errorhandlerはSAX ErrorHandlerオブジェクトでなければなりません。
例
#!/usr/bin/python3
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 = ""
# Call when an element starts
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# Call when an elements ends
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 = ""
# Call when a character is read
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__"):
# create an XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# override the default ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")
出力
これは、次の結果を生成します-
*****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 scientific 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
SAX APIドキュメントの詳細については、標準のhttps://docs.python.org/library/xml.saxl[Python SAX API]を参照してください。
DOM APIを使用したXMLの解析
Document Object Model( "DOM")は、XMLドキュメントにアクセスして変更するためのWorld Wide Web Consortium(W3C)のクロス言語APIです。
DOMは、ランダムアクセスアプリケーションに非常に役立ちます。 SAXでは、一度に1ビットのドキュメントのみを表示できます。 あるSAX要素を見ている場合、別のSAX要素にはアクセスできません。
XMLドキュメントをすばやくロードし、xml.domモジュールを使用してminidomオブジェクトを作成する最も簡単な方法を次に示します。 minidomオブジェクトは、XMLファイルからDOMツリーをすばやく作成する簡単なパーサーメソッドを提供します。
サンプルフレーズは、minidomオブジェクトのparse(file [、parser])関数を呼び出して、fileで指定されたXMLファイルをDOMツリーオブジェクトに解析します。
例
#!/usr/bin/python3
from xml.dom.minidom import parse
import xml.dom.minidom
# Open XML document using minidom parser
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("Root element : %s" % collection.getAttribute("shelf"))
# Get all the movies in the collection
movies = collection.getElementsByTagName("movie")
# Print detail of each movie.
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)
出力
これは、次の結果を生成します-
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 scientific 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
DOM APIドキュメントの詳細については、標準のhttps://docs.python.org/library/xml.doml[Python DOM APIs]を参照してください。