进一步了解Python中的XML 工具
模块：xmllib
xmllib是一个非验证的低级语法分析器。应用程序员使用的xmllib可以覆盖XMLParser类，并提供处理文档元素（如特定或类属标记，或字符实体）的方法。从Python1.5x到Python2.0+以来，xmllib的使用方法并没变化；在绝大多数情况下更好的选择是使用SAX技术，它也是种面向流的技术，对语言和开发者来说更为标准。
本文中的示例与原来专栏中的相同：包括一个叫做quotations.dtd的DTD以及这个DTD的文档sample.xml（请参阅参考资料，以获取本文中提到的文件的档案）。以下的代码显示了sample.xml中每段引言的前几行，并生成了非常简单的未知标记和实体的ASCII指示符。经过分析的文本作为连续流来处理，所使用的任何累加器都由程序员负责（如标记中的字符串(#PCDATA)，或所遇到的标记的列表或词典）。
清单1:try_xmllib.py
import
xmllib,string
classQuotationParser
(xmllib.XMLParser):
"""Crudexmllibextractorforquotations.dtddocument"""
def__init__
(self):
xmllib.XMLParser.__init__(self)
self.thisquote=''
#quotationaccumulator
defhandle_data
(self,data):
self.thisquote=self.thisquote+data
defsyntax_error
(self,message):
pass
defstart_quotations
(self,attrs):
#topleveltag
print
'---BeginDocument---'
defstart_quotation
(self,attrs):
print
'QUOTATION:'
defend_quotation
(self):
print
string.join(string.split(self.thisquote[:230]))+'...',
print
'('+str(len(self.thisquote))+'bytes)\n'
self.thisquote=''
defunknown_starttag
(self,tag,attrs):
self.thisquote=self.thisquote+'{'
defunknown_endtag
(self,tag):
self.thisquote=self.thisquote+'}'
defunknown_charref
(self,ref):
self.thisquote=self.thisquote+'?'
defunknown_entityref
(self,ref):
self.thisquote=self.thisquote+'#'
if
__name__=='__main__':
parser=QuotationParser()
for
c
in
open("sample.xml").read():
parser.feed(c)
parser.close()
验证
您可能需要展望标准XML支持的未来的原因是，在进行语法分析的同时需要进行验证。不幸的是，标准Python2.0XML包并不包括验证型语法分析器。
xmlproc是python原有的语法分析器，它执行几乎完整的验证。如果需要验证型语法分析器，xmlproc是Python当前唯一的选择。而且，xmlproc提供其它语法分析器所不具备的各种高级和测试接口。
选择一种语法分析器
如果决定使用XML的简单API(SAX)--它应该用于复杂的事物，因为其它大部分工具都是在它的基础上建立的--将为您完成许多语法分析器的分类工作。xml.sax模块包含一个自动选择“最佳”语法分析器的设施。在标准Python2.0安装中，唯一能选择的语法分析器是expat，它是种C语言编写的快速扩展。然而，也可以在$PYTHONLIB/xml/parsers下安装另一个语法分析器，以备选择。设置语法分析器很简单：
清单2:Python选择最佳语法分析器的语句
import xml.sax parser=xml.sax.make_parser()
您还可以通过传递参数来选择特定的语法分析器；但考虑到可移植性--也为了对今后更好的语法分析器的向上兼容性--最佳方法是使用make_parser()来完成工作。
您可以直接导入xml.parsers.expat。如果这样做，您就能获得SAX界面并不提供的一些特殊技巧。这样，xml.parsers.expat与SAX相比有些“低级”。但SAX技术非常标准，对面向流的处理也非常好；大多数情况下SAX的级别正合适。通常情况下，由于make_parser()函数已经能获得expat提供的性能，因此纯速度的差异很小。
什么是SAX
考虑到背景因素，回答什么是SAX的较好答案是：
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。）（LarsMariusGarshol，SAXforPython）
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。应用程序员将定义一个handler类，而不是语法分析器类，该handler类能注册到任何所使用的语法分析器中。必须定义4个SAX接口（每个接口都有几个方法）：DocumentHandler、DTDHandler、EntityResolver和ErrorHandler。创建语法分析器除非被覆盖，否则它还连接默认接口。这些代码执行与xmllib示例相同的任务：
清单3:try_sax.py
"SimpleSAXexample,updatedforPython2.0+"
import
string
import
xml.sax
from
xml.sax.handler
import
*
classQuotationHandler
(ContentHandler):
"""Crudeextractorforquotations.dtdcompliantXMLdocument"""
def__init__
(self):
self.in_quote=0
self.thisquote=''
defstartDocument
(self):
print
'---BeginDocument---'
defstartElement
(self,name,attrs):
if
name=='quotation':
print
'QUOTATION:'
self.in_quote=1
else:
self.thisquote=self.thisquote+'{'
defendElement
(self,name):
if
name=='quotation':
print
string.join(string.split(self.thisquote[:230]))+'...',
print
'('+str(len(self.thisquote))+'bytes)\n'
self.thisquote=''
self.in_quote=0
else:
self.thisquote=self.thisquote+'}'
defcharacters
(self,ch):
if
self.in_quote:
self.thisquote=self.thisquote+ch
if
__name__=='__main__':
parser=xml.sax.make_parser()
handler=QuotationHandler()
parser.setContentHandler(handler)
parser.parse("sample.xml")
与xmllib相比，上述示例中要注意两件小事：.parse()方法处理整个流或字符串，所以不必为语法分析器创建循环；.parse()同样能灵活地接收一个文件名、一个文件对象，或是众多的类文件对象（一些具有.read()方式）。
包：DOM
DOM是一种XML文档的高级树型表示。该模型并非只针对Python，而是一种普通XML模型（请参阅参考资料以获取进一步信息）。Python的DOM包是基于SAX构建的，并且包括在Python2.0的标准XML支持里。由于篇幅所限，没有将代码示例加到本文中，但在XML-SIG的"Python/XMLHOWTO"中给出了一个极好的总体描述：
文档对象模型为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，以此类推。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<tag1>...</tag1>写入文件的方法更灵活。
使用xml.dom模块的语法与早期的文章相比有了一些变动。Python2.0中自带的DOM实现被称为xml.dom.minidom，并提供轻量级和小型版本的DOM。显然，完整的XML-SIG的DOM中有些试验性的特性并未被放入xml.dom.minidom中，但大家并不会注意到这一点。
生成DOM对象很简单；只需：
清单4:在XML文件中创建PythonDOM对象
from
xml.dom.minidom
import
parse,parseString
dom1=parse('mydata.xml')
#parseanXMLfilebyname
使用DOM对象是种非常直接的OOP模式的工作。然而，经常在无法立刻简单区分的层级（除了循环列举）中碰到许多类似清单的属性。例如，以下是一段普通的DOMPython代码片断：
清单5:通过PythonDOM节点对象的迭代
for node in dom_node.childNodes: if node.nodeName=='#text': #PCDATAisakindofnode, PCDATA=node.nodeValue #butnotanewsubtag elif node.nodeName=='spam': spam_node_list.append(node) #Createlistof<spam>nodes
Python标准说明文档中有一些更详细的DOM示例。我的早期文章中有关使用DOM对象的示例（请参阅参考资料）指出的方向仍然是正确的，但是文章发布后至今，一些方法和属性名称以更改，因此请查阅一下Python的说明文档。
模块：pyxie
pyxie模块是在Python标准XML支持之上构建的，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格式是不受语言限制的，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。
更多模块：xml_pickle和xml_objectify
我自行开发了处理XML的高级模块，称为xml_pickle和xml_objectify。我还在其它地方写过许多类似模块（请参阅参考资料），在此不必做过多的介绍。当你“用Python思考”而不是“用XML思考”时，这些模块非常有用。特别是xml_objectify自身对程序员隐藏了几乎所有的XML线索，使您在程序中充分使用Python“原始”对象。实际的XML数据格式几乎被抽象得不可见。同样，xml_pickle使Python程序员以“原始”Python对象开始，该对象的数据可以来源于任何源代码，然后把它们（连续地）放入其他用户以后可能需要的XML格式。