使用python解析xml，主要使用sax的ContentHandler中的标签开始和标签结束的方法驱动，然后在开始（或者结束）事件中决定使用什么处理方法，使用dispatcher来决定并分发到指定方法内处理处理流程如下：

  • 初始化的时候创建一个目录list
  • 遇到page在当前目录下新建一个html文件，标志接下来的标签是要使用default处理，写到html页面中
  • 遇到page内部的标签，使用default处理
  • 遇到page结束标签，该html写完，填充结尾标签，关闭流
  • 遇到directory标签，往directory的list】中添加下以及目录名称
  • 遇到page重复第1,2,3步
  • 解析完成

代码如下

#! /usr/bin/env python

# -*- coding=utf-8 -*-

import os

import sys

from xml.sax.handler import ContentHandler

from xml.sax import parse

class Dispatcher:

    '''

    根据具体的xml标签分发到具体的解析函数解析

    '''

    def dispatch(self, prefix, name, attrs=None):

        mname = prefix + name.capitalize()

        dname = 'default' + prefix.capitalize()

        method = getattr(self, mname, None)

        if callable(method):

            # 如果有该标签的处理方法则使用该方法处理，并初始化需要传递的参数

            args = ()

        else:

            # 如果没有该标签的处理方法，则采用默认的处理方法，将标签内的内容作为正文

            method = getattr(self, dname, None)

            # 默认处理函数需要传递标签名称

            args = name,

        # 如果是调用开始处理函数， 需要传递该标签的属性

        if prefix == 'start':

            args += attrs,

        if callable(method):

            method(*args)

    # 重载父类的startElement方法

    def startElement(self, name, attrs):

        self.dispatch('start', name, attrs)

    # 重载父类的endElement方法

    def endElement(self, name):

        self.dispatch('end', name)

class WebsiteConstructor(Dispatcher, ContentHandler):

    '''

    分析website.xml构建html网页

    '''

    # 该标签是否是正文，是否被page包裹，是否需要解析

    passthrough = False

    def __init__(self, directory):

        self.directory = [directory]

        self.ensureDirectory()

    def ensureDirectory(self):

        path = os.path.join(*self.directory)

        if not os.path.isdir(path):

            os.makedirs(path)

    def characters(self, chars):

       if self.passthrough:

           self.out.write(chars)

    def defaultStart(self, name, attrs):

        if self.passthrough:

            self.out.write('<' + name)

            print '-----'

            print attrs

            for key, val in attrs.items():

                self.out.write(' %s=%s' % (key, val))

                print key,val

            self.out.write('>')

    def defaultEnd(self, name):

        if self.passthrough:

            self.out.write('</%s>' % name)

    def startDirectory(self, attrs):

        self.directory.append(attrs['name'])

        self.ensureDirectory()

    def endDirectory(self):

        self.directory.pop()

    def startPage(self, attrs):

        filename = os.path.join(*self.directory + [attrs['name'] + '.html'])

        self.out = open(filename, 'w')

        print os.path

        print filename

        print self.directory

        print self.directory + [attrs['name'] + '.html']

        self.writeHeader(attrs['title'])

        self.passthrough = True

    def endPage(self):

        self.passthrough = False

        self.writeFooter()

        self.out.close()

    def writeHeader(self, title):

        self.out.write('<html>\n    <head>\n    <title>')

        self.out.write(title)

        self.out.write('</title>\n  </head>\n   <body>\n')

    def writeFooter(self):

        self.out.write('\n  </body>\n</html>\n')

# 执行程序

parse('website.xml', WebsiteConstructor('public_html'))

参照书中写完代码之后，发现"args += attrs"一直报错，调试的时候发现

TypeError: coercing to Unicode: need string or buffer, instance found

在"+="运算符连边需要的是string或者buffer，实际上是instance，在这条语句里面attrs是AttributesImpl的对象，前面"args = name"将name赋值给args，args是string，所以attrs类型不对，一开始还以为是ContentHandler API改变了（因为该书已经比较早了），在ipython交互命令行中查看帮助文档，发现没有错，折腾调试了挺久，对照书中源码发现有两处少了","，当时已经疯了。。。。。

args = name,

args += attrs,

少了上面两个逗号，内心的崩溃啊，由此可见自己python基本知识还是漏了

args = name # args仅仅是一个对象，并不是元组

args = name, # args是一个元组

一个逗号引发的血案。。。。。

还有就是"+="，该运算符两边类型必须一致，都是字符串（列表，元组）

完整代码

http://pan.baidu.com/s/1pLqxLKv

python练习三—解析xml的更多相关文章

  1. [python]使用ElementTree解析XML【译】

    19.7 The ElementTree XML API 源码:Lib/xml/etree/ElementTree.py Element类型是一个灵活的容器对象,设计出来是用于存储有层次的数据结构到内 ...

  2. python使用SAX解析xml

    python 标准库包含SAX解析器,SAX用事件驱动模型,通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件 在python中使用sax方式处理xml要先引入xml.s ...

  3. ZH奶酪：Python使用ElementTree解析XML【译】

    19.7. xml.etree.ElementTree — The ElementTree XML API 源代码: Lib/xml/etree/ElementTree.py Element类型是一种 ...

  4. Python requests模块解析XML

    检查QQ是否在线(api感觉不准) import requests from xml.etree import ElementTree qq_str = input('please input the ...

  5. python 使用ElementTree解析xml

    以country.xml为例,内容如下: <?xml version="1.0"?> <data> <country name="Liech ...

  6. python 解析xml

    在工作中很多时候都要用到xml,使用这个时候难免会设计到解析他,然后就研究了一下python解析xml问题,看了很多东西,python有很多解析xml的包,但是也折腾我好一段时间,最后选择了这个方法. ...

  7. python 之模块之 xml.dom.minidom解析xml

    # -*- coding: cp936 -*- #python 27 #xiaodeng #python 之模块之 xml.dom.minidom解析xml #http://www.cnblogs.c ...

  8. python解析xml文件时使用ElementTree和cElementTree的不同点；iter

    在python中,解析xml文件时,会选用ElementTree或者cElementTree,那么两者有什么不同呢? 1.cElementTree速度上要比ElementTree快,比较cElemen ...

  9. 用 ElementTree 在 Python 中解析 XML

    用 ElementTree 在 Python 中解析 XML 原文: http://eli.thegreenplace.net/2012/03/15/processing-xml-in-python- ...

随机推荐

  1. h5 调起ios数字键盘的坑，限制特殊字符输入方案

    最近有个需求是利率只允许输入数字和小数点,用以下 <input type="number" pattern="[0-9]*"> 在ios会调起数字键 ...

  2. php 与 memcache 笔记

    一:安装 Memcache是什么Memcache是danga.com的一个项目,最早是为 LiveJournal 服务的,目前全世界不少人使用这个缓存项目来构建自己大负载的网站,来分担数据库的压力.它 ...

  3. 一. IntelliJ IDEA详细配置文档之初始环境搭建

    前言 对于用惯了eclipse的同学来说, 突然切换为idea不是一件那么容易的事情, 所以我会发布一系列只讲解idea使用技巧的文章, 请大家多多关注.  本系列文章的配置参考网上某教程的讲解, 本 ...

  4. Java类更改常量后编译不生效

    在Java文件中,指向编译时static final的静态常量, 会被在运行时解析为一个局部的常量值(也就是说静态常量在编译后,成为了常量,而不是原先的代码).这对所有的基础数据类型(就像int ,f ...

  5. <笔记>三码合一

    讲求三码合一,何为三码合一?(这里我用UTF8讲例子) 就是页面编码,文档编码,数据库编码要统一一种格式,切记不可有的是GBK,有的是UFT8 页面编码:也就是用header 函数申明:header( ...

  6. 程序员基层知识程序与cpu【更新1】

    我是一个小白,但我通过学习我慢慢的懂了一些事.分享出来有错误的望大咖指导. 我们要很明确的明白我们学的是编程而不是编程语言,编程语言只是工具用来方便我们做很多编程有关的事. 首先我在学习的过程中,第一 ...

  7. LeetCode刷题：第四题 寻找两个有序数组的中位数

    题目描述: 给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你找出这两个有序数组的中位数,并且要求算法的时间复杂度为 O(log(m + n)). 你可以假设 nums1 和  ...

  8. 恢复oracle数据从delete

    今天维护系统的时候没仔细看,误删了50行数据,然后想起来以前学过delete语句删除的数据是可以回复的,但是那个时候比较慌乱,也没有心情仔细看,反而是想到了一个歪招解决了问题,我有个良好的嗜好就是经常 ...

  9. 关于isNaN()函数的细节

    根据<JavaScript高级程序设计>的解释,NaN,即非数值(Not a Number),用于表示一个本来要返回数值的操作数未返回数值的情况,例如5/0就会得到NaN. 而因为NaN的 ...

  10. centos 安装setup命令的方法

    yum -y install setuptool 安装setup命令工具 yum -y install ntsysv 安装setup工具配套的系统服务组件 yum -y install system- ...