python基础教程项目三之万能的XML

Python  /  管理员 发布于 7年前   156

这个项目的名称与其叫做万能的XML不如叫做自动构建网站，根据一份XML文件，生成对应目录结构的网站，不过只有html还是太过于简单了，如果要是可以连带生成css那就比较强大了。这个有待后续研发，先来研究下怎么html网站结构。 既然是通过XML结构生成网站，那所有的事情都应该由这个XML文件来。先来看下这个XML文件，website.xml：

<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="https:/article/interests/shouting.html" rel="external nofollow" >Shouting</a></li>  <li><a href="https:/article/interests/sleeping.html" rel="external nofollow" >Sleeping</a></li>  <li><a href="https:/article/interests/eating.html" rel="external nofollow" >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>

有了这个文件，下面应该来看怎么通过这个文件生成网站。

首先我们要解析这个xml文件，python解析xml和在java中一样，有两种方式，SAX和DOM，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。

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。

有了上面的这些认识，我们已经知道如何处理xml文件了，然后再来看那个罪恶的源头website.xml文件，分析其结构，只有两个节点：page和directory，很明显page表示一个页面，directory表示一个目录。

所以处理这个xml文件的思路就变的清晰了。读取xml文件的每一个节点，然后判断是page还是directory如果是page则创建html页面，然后把节点中的内容写到文件里。如果遇到directory就创建一个文件夹，然后再处理其内部的page节点（如果存在的话）。
下面来看这部分代码，书中的实现比较复杂，比较灵活。先来看，然后在分析。

from xml.sax.handler import ContentHandlerfrom xml.sax import parseimport osclass Dispatcher:    def dispatch(self, prefix, name, attrs=None):        mname = prefix + name.capitalize()        dname = 'default' + prefix.capitalize()        method = getattr(self, mname, None)        if callable(method): args = ()        else:method = getattr(self, dname, None)args = name,        if prefix == 'start': args += attrs,        if callable(method): method(*args)    def startElement(self, name, attrs):        self.dispatch('start', name, attrs)    def endElement(self, name):        self.dispatch('end', name)class WebsiteConstructor(Dispatcher, ContentHandler):    passthrough = False    def __init__(self, directory):        self.directory = [directory]        self.ensureDirectory()    def ensureDirectory(self):        path = os.path.join(*self.directory)        print path        print '----'        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)for key, val in attrs.items():    self.out.write(' %s="%s"' %(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):        print 'endDirectory'        self.directory.pop()    def startPage(self, attrs):        print 'startPage'        filename = os.path.join(*self.directory + [attrs['name']+'.html'])        self.out = open(filename, 'w')        self.writeHeader(attrs['title'])        self.passthrough = True    def endPage(self):        print 'endPage'        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')parse('website.xml',WebsiteConstructor('public_html'))

看起来这个程序上面分析的复杂了一些，不过伟人毛毛说过，任何复杂的程序都是纸老虎。那我们再来分析一下这个程序。

首先看到这个程序是有两个类，其实完全可以当作一个类，因为有了继承。

然后再来看它多了些什么，除了我们分析出来的startElement和endElement以及characters，多出来了startPage，endPage;startDirectory，endDirectory;defaultStart，defaultEnd;ensureDirectory;writeHeader，writeFooter;和dispatch，这些个函数。除了dispatch，前面的函数都很好理解，每一对函数都是单纯的处理对应的html标签以及xml节点。而dispatch比较复杂，复杂之处在于他是用来动态拼合函数并且进行执行的。

dispatch的处理思路是，首先根据传递的参数（就是操作名称以及节点名称）判断是否存在对应的函数如startPage，如果不存在则执行default+操作名称：如defaultStart。

一个函数一个函数搞清楚之后，就知道整个处理流程是什么样了。首先创建一个public_html的文件，存放整个网站，然后读xml的节点，通过startElement和endElement调用dispatch进行处理。然后就是dispatch怎么调用具体的处理函数了。 到此为止，这个项目算是分析完了。

主要掌握的内容一个是python中使用SAX处理XML，另一个就是python中的函数的使用，比如getattr，传参数时的星号……

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。


  • 上一条：
    Python实现将数据框数据写入mongodb及mysql数据库的方法
    下一条：
    python opencv检测目标颜色的实例讲解

    • 昵称：

    邮箱：

    0条评论 (评论内容有缓存机制,请悉知!)
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客