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,就可以解析xml了:
import logging
from xml.parsers.expat import ParserCreate
class DefaultSaxHandler(object):
def start_element(self, name, attrs):
logging.info('sax:start_element: %s, attrs: %s' % (name, str(attrs)))
def end_element(self, name):
logging.info('sax:end_element: %s' % name)
def char_data(self, text):
logging.info('sax:char_data: %s' % text)
xml = load_xml_data()
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。