python---XML读取(一)

<website>
  <page name="index" title="Home page">
  <h1>Welcome to my Home page</h1>

  <p>Hi, there. My name is Mr.gumby,and this is my home page,here are some of my int:</p>

  <ul>
    <li><a href="interests/shouting.html">Shouting</a></li>
    <li><a href="interests/sleeping.html">Sleeping</a></li>
    <li><a href="interests/eating.html">Eating</a></li>
  </ul>
  </page>
  <directory name="interests">
    <page name="shouting" title="Shouting">
     <h1>shouting page</h1>
     <p>....</p>
    </page>
    <page name="sleeping" title="Sleeping">
      <h1>sleeping page</h1>
      <p>...</p>
    </page>
    <page name="eating" title="Eating">
       <h1>Eating page</h1>
       <p>....</p>
    </page>
  </directory>
</website>

写一段python，解析并输出XML中的所有<h1>的标题。

#! /usr/bin/env python
#coding=utf-8
from xml.sax.handler import ContentHandler
from xml.sax import parse

class HeadlineHeader(ContentHandler):
    in_headline=False
    def __init__(self,headlines):
        print 'init'
        ContentHandler.__init__(self)
        self.headlines=headlines
        self.data=[]
    def startElement(self,name,attrs):
        print 'startElement'+' '+name
        if name=='h1':
            self.in_headline=True
    def endElement(self,name):
        print 'endElement'+' '+name
        if name=='h1':
            text=''.join(self.data)
            self.data=[]
            self.headlines.append(text)
            self.in_headline=False
    def characters(self,string):
        print string
        if self.in_headline:
            self.data.append(string)
headlines=[]
print headlines
parse('website.xml',HeadlineHeader(headlines))

print 'the following <h1> elements were found'
for h in headlines:
    print h
print headlines

　　这段例子来自《python基础教程》，在python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler，后面的这个类是要和parse函数来配合使用的。使用方式如下：
parse(‘xxx.xml’,xxxHandler),这里面的xxxHandler要继承上面的ContentHandler，不过只要继承就行，不需要有所作为。
然后这个parse函数在处理xml文件的时候，会调用xxxHandler中的startElement函数和endElement函数来一个xml中的标签的开始和结束，中间的过程使用一个名为characters的函数来处理标签内部的所有字符串。

　　开始我不太理解sax的执行方式，查阅了相关文档之后，发现sax是以事件驱动的，当XML中遇到开始标记时，就会触发startElemtn方法，当遇到字符是就会触发characters方法，当遇到结束标记是就会触发endElement方法，譬如解析<h1>xyz</h1>，paser读入整个<h1>标签头后调用startElement(),继续读x调用characters(),读y调用characters()，读z调用characters()，最后读入整个</h1>调用endElement()...

　　在这里为了更明白解析过程，所以在每个函数里面都增加了print方法，以此来更加明白XML解析过程,这段程序从29行执行起。

     SAX和DOM的读取区别:两种处理方式不同点在于速度和范围，前者讲究的是效率，每次只处理文档的一小部分，快速而能有效的利用内存，后者是相反的处理方式，先把所有的文档载入到内存，然后再进行处理，速度比较慢，也比较消耗内存，唯一的好处就是可以操作整个文档。