xml.dom.minidom —最小的 DOM 实现

源代码： Lib/xml/dom/minidom.py

xml.dom.minidom是文档对象模型接口的最小实现，其 API 与其他语言相似。它旨在比完整的 DOM 更简单，并且也明显更小。尚不熟悉 DOM 的用户应考虑改用xml.etree.ElementTree模块进行 XML 处理。

Warning

xml.dom.minidom模块不能安全防范恶意构建的数据。如果您需要解析不可信或未经身份验证的数据，请参见XML vulnerabilities。

DOM 应用程序通常从将某些 XML 解析为 DOM 开始。对于xml.dom.minidom，这是pass解析函数完成的：

from xml.dom.minidom import parse, parseString

dom1 = parse('c:\\temp\\mydata.xml')  # parse an XML file by name

datasource = open('c:\\temp\\mydata.xml')
dom2 = parse(datasource)  # parse an open file

dom3 = parseString('<myxml>Some data<empty/> some more data</myxml>')

parse()函数可以使用文件名或打开的文件对象。

  • xml.dom.minidom. parse(* filename_or_file ， parser = None ， bufsize = None *)
    • 从给定的 Importing 返回Document。 * filename_or_file *可以是文件名，也可以是类似文件的对象。 * parser *(如果提供)必须是 SAX2 解析器对象。此函数将更改解析器的文档处理程序并激活名称空间支持；其他解析器配置(例如设置实体解析器)必须事先完成。

如果字符串中包含 XML，则可以改用parseString()函数：

  • xml.dom.minidom. parseString(* string ， parser = None *)
    • 返回代表* string *的Document。此方法为字符串创建一个io.StringIO对象，并将其传递给parse()。

这两个函数都返回一个Document对象，该对象代表文档的内容。

parse()和parseString()函数的作用是将 XML 解析器与“ DOM 构建器”连接，该生成器可以接受来自任何 SAX 解析器的解析事件并将其转换为 DOM 树。函数的名称可能会引起误解，但在学习接口时很容易掌握。这些函数返回之前，将完成文档的解析。只是这些函数本身不提供解析器实现。

您也可以pass在“ DOM Implementation”对象上调用方法来创建Document。您可以pass调用xml.dom包中的getDOMImplementation()函数或xml.dom.minidom模块来获取此对象。拥有Document之后，您可以向其添加子节点以填充 DOM：

from xml.dom.minidom import getDOMImplementation

impl = getDOMImplementation()

newdoc = impl.createDocument(None, "some_tag", None)
top_element = newdoc.documentElement
text = newdoc.createTextNode('Some textual content.')
top_element.appendChild(text)

一旦有了 DOM 文档对象，就可以pass其属性和方法访问 XML 文档的各个部分。这些属性在 DOM 规范中定义。文档对象的主要属性是documentElement属性。它为您提供 XML 文档中的主要元素：包含所有其他元素的元素。这是一个示例程序：

dom3 = parseString("<myxml>Some data</myxml>")
assert dom3.documentElement.tagName == "myxml"

完成 DOM 树后，可以选择调用unlink()方法以鼓励及早清除现在不需要的对象。 unlink()是 DOM API 的xml.dom.minidom特定扩展，它使节点及其后代基本上没有用。否则，Python 的垃圾收集器将finally处理树中的对象。

See also

DOM Objects

xml.dom模块文档中提供了 Python 的 DOM API 的定义。本节列出了 API 和xml.dom.minidom之间的区别。

您可以避免使用with语句显式调用此方法。退出with块时，以下代码将自动取消链接* dom *：

with xml.dom.minidom.parse(datasource) as dom:
    ... # Work with dom.
  • Node. writexml(* writer ， indent =“” ， addindent =“” ， newl =“” *)
    • 将 XML 写入 writer 对象。编写器接收文本但不接收字节作为 Importing，它应具有与文件对象接口的write()方法匹配的write()方法。 * indent *参数是当前节点的缩进。 * addindent *参数是用于当前节点的子节点的增量缩进。 * newl *参数指定用于终止换行符的字符串。

对于Document节点，可以使用其他关键字参数* encoding *来指定 XMLHeaders 的编码字段。

在版本 3.8 中进行了更改：writexml()方法现在保留了用户指定的属性 Sequences。

  • Node. toxml(* encoding = None *)
    • 返回包含由 DOM 节点表示的 XML 的字符串或字节字符串。

使用显式的* encoding * [1]参数，结果是指定编码中的字节字符串。如果没有* encoding *参数，则结果是 Unicode 字符串，并且结果字符串中的 XML 语句未指定编码。由于 UTF-8 是 XML 的默认编码，因此使用 UTF-8 以外的其他编码对该字符串进行编码可能不正确。

在版本 3.8 中进行了更改：toxml()方法现在保留了用户指定的属性 Sequences。

  • Node. toprettyxml(* indent =“t” ， newl =“n” ， encoding = None *)
    • 返回文档的印刷精美版本。 * indent *指定缩进字符串，默认为制表符； * newl *指定在每行末尾发出的字符串，默认为\n。
  • encoding *参数的行为类似于toxml()的相应参数。

在版本 3.8 中进行了更改：toprettyxml()方法现在保留了用户指定的属性 Sequences。

DOM Example

该示例程序是一个简单程序的相当实际的示例。在这种特殊情况下，我们没有充分利用 DOM 的灵 Active。

import xml.dom.minidom

document = """\
<slideshow>
<title>Demo slideshow</title>
<slide><title>Slide title</title>
<point>This is a demo</point>
<point>Of a program for processing slides</point>
</slide>

<slide><title>Another demo slide</title>
<point>It is important</point>
<point>To have more than</point>
<point>one slide</point>
</slide>
</slideshow>
"""

dom = xml.dom.minidom.parseString(document)

def getText(nodelist):
    rc = []
    for node in nodelist:
        if node.nodeType == node.TEXT_NODE:
            rc.append(node.data)
    return ''.join(rc)

def handleSlideshow(slideshow):
    print("<html>")
    handleSlideshowTitle(slideshow.getElementsByTagName("title")[0])
    slides = slideshow.getElementsByTagName("slide")
    handleToc(slides)
    handleSlides(slides)
    print("</html>")

def handleSlides(slides):
    for slide in slides:
        handleSlide(slide)

def handleSlide(slide):
    handleSlideTitle(slide.getElementsByTagName("title")[0])
    handlePoints(slide.getElementsByTagName("point"))

def handleSlideshowTitle(title):
    print("<title>%s</title>" % getText(title.childNodes))

def handleSlideTitle(title):
    print("<h2>%s</h2>" % getText(title.childNodes))

def handlePoints(points):
    print("<ul>")
    for point in points:
        handlePoint(point)
    print("</ul>")

def handlePoint(point):
    print("<li>%s</li>" % getText(point.childNodes))

def handleToc(slides):
    for slide in slides:
        title = slide.getElementsByTagName("title")[0]
        print("<p>%s</p>" % getText(title.childNodes))

handleSlideshow(dom)

minidom 和 DOM 标准

xml.dom.minidom模块实质上是具有 DOM 2 Function(主要是名称空间Function)的 DOM 1.0 兼容 DOM。

Python 中 DOM 接口的用法很简单。以下 Map 规则适用：

  • pass实例对象访问接口。应用程序不应实例化类本身；他们应该使用Document对象上可用的创建者Function。派生接口支持基本接口中的所有操作(和属性)，以及所有新操作。

  • 操作用作方法。由于 DOM 仅使用in参数，因此参数以正常 Sequences(从左到右)传递。没有可选参数。 void个操作返回None。

  • IDL 属性 Map 到实例属性。为了与用于 Python 的 OMG IDL 语言 Map 兼容，还可以pass访问器方法_get_foo()和_set_foo()访问属性foo。 readonly属性不得更改；在运行时不强制执行此操作。

  • 类型short int，unsigned int，unsigned long long和boolean都 Map 到 Python 整数对象。

  • 类型DOMStringMap 到 Python 字符串。 xml.dom.minidom支持字节或字符串，但通常会产生字符串。 DOMString类型的值也可以是None，在 W3C 的 DOM 规范中允许具有 IDL null值。

  • const语句 Map 到各自范围内的变量(例如xml.dom.minidom.Node.PROCESSING_INSTRUCTION_NODE)；它们一定不能更改。

  • xml.dom.minidom目前不支持DOMException。相反，xml.dom.minidom使用标准的 Python 异常，例如TypeError和AttributeError。

  • NodeList对象是使用 Python 的内置列表类型实现的。这些对象提供了 DOM 规范中定义的接口，但是在 Python 的早期版本中，它们不支持官方 API。但是，它们比 W3C 建议中定义的接口更“ Pythonic”。

以下接口在xml.dom.minidom中没有实现：

  • DOMTimeStamp

  • EntityReference

这些大多数反映在 XML 文档中的信息对于大多数 DOM 用户而言并不是通用的。

Footnotes

Name Python 中文文档
Version
Language
Badge
Last Updated 2021-07-03T12:24:35