XML

    XML虽然比JSON复杂，在Web中应用也不如以前多了，不过仍有很多地方在用，所以，有必要了解如何操作XML。

    DOM vs SAX

    操作XML有两种方法：DOM和SAX。DOM会把整个XML读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。SAX是流模式，边读边解析，占用内存小，解析快，缺点是我们需要自己处理事件。

    正常情况下，优先考虑SAX，因为DOM实在太占内存。

    在Python中使用SAX解析XML非常简洁，通常我们关心的事件是 start_element ， end_element 和 char_data ，准备好这3个函数，然后就可以解析xml了。

    举个例子，当SAX解析器读到一个节点时：

    <a href="">python<a>

    会产生3个事件：

    • start_element事件，在读取 <a href="/"> 时；

    • char_data事件，在读取 python 时；

    • end_element事件，在读取 </a> 时。

    用代码实验一下：

    from xml.parsers.expat import ParserCreate



    class DefaultSaxHandler(object):

    def start_element(self, name, attrs):

    print('sax:start_element: %s, attrs: %s' % (name, str(attrs)))



    def end_element(self, name):

    print('sax:end_element: %s' % name)



    def char_data(self, text):

    print('sax:char_data: %s' % text)



    xml = r'''<?xml version="1.0"?>

    <ol>

    <li><a href="python">Python<a></li>

    <li><a href="ruby">Ruby<a></li>

    </ol>

    '''

    handler = DefaultSaxHandler()

    parser = ParserCreate()

    parser.returns_unicode = True

    parser.StartElementHandler = handler.start_element

    parser.EndElementHandler = handler.end_element

    parser.CharacterDataHandler = handler.char_data

    parser.Parse(xml)

    当设置 returns_unicode 为True时，返回的所有element名称和char_data都是unicode，处理国际化更方便。

    需要注意的是读取一大段字符串时， CharacterDataHandler 可能被多次调用，所以需要自己保存起来，在 EndElementHandler 里面再合并。

    除了解析XML外，如何生成XML呢？99%的情况下需要生成的XML结构都是非常简单的，因此，最简单也是最有效的生成XML的方法是拼接字符串：

    L = []

    L.append(r'<?xml version="1.0"?>')

    L.append(r'<root>')

    L.append(encode('some & data'))

    L.append(r'</root>')

    return ''.join(L)

    如果要生成复杂的XML呢？建议你不要用XML，改成JSON。

    小结

    解析XML时，注意找出自己感兴趣的节点，响应事件时，把节点数据保存起来。解析完毕后，就可以处理数据。

    练习一下解析Yahoo的XML格式的天气预报，获取当天和最近几天的天气：

    http://weather.yahooapis.com/forecastrss?u=c&w=2151330

    参数 w 是城市代码，要查询某个城市代码，可以在 weather.yahoo.com 搜索城市，浏览器地址栏的URL就包含城市代码。