可愛的Python：將XML和Python結合起來

開始在 Python 中使用 XML 的一個主要要素是排列出所有可用模組的可比效能力。在他的新 Python 專欄“可愛的 Python”的第一部分中，David Mertz 簡要描述了最流行和實用的關於 XML 的 Python 模組，並指出可以下載的單獨模組以及可供閱讀的參考資料。本文有助於確定哪些模組最適合特定任務。

在許多情況下，Python 是使用 XML 文檔的理想語言。像 Perl、REBOL、REXX 和 TCL 一樣，它是一種靈活的指令碼語言，並且有強大的文本操作能力。而且，XML 文檔除了編碼大多數類型的文字檔（或流檔案），通常還編碼大量複雜的資料結構。文本處理中常見的“讀取幾行，並將它們與一些規則運算式比較”樣式通常不能很好地適合對 XML 進行徹底文法分析和處理。幸好，Python（與大多數其它語言相比）不僅有直接處理複雜資料結構的方法（通常使用類和屬性），還有許多 XML 相關的模組可以協助文法分析、處理和產生 XML。

關於 XML，要記住一個總體概念：可以驗證或非驗證方式處理 XML 文檔。在以前的處理類型中，讀取 XML 文檔之前，必須先讀取“文件類型定義”(DTD)。這種情況下，處理將總體計算 XML 文檔的簡單句型規則，還將計算 DTD 的特定文法約束。大多數情況下，使用非驗證處理就可以了（通常運行更快，更適合程式） -- 我們相信文檔建立者遵循文檔範圍的規則。在下面討論的大多數模組都是非驗證型；如果存在驗證選項，則描述將指出。

中心資產庫 (Vaults of Parnassus)（請參閱 參考資料）最近已成為尋找 Python 資源的標準方法。可以在那個網站上找到所有以下討論的模組（通過連結到各自模組所有者的網站）。特別地，可以在資產庫中找到 PyXML 發行版，它是 tar 檔案和 Win32 形式的安裝程式。

Python 的 XML 特殊興趣組 (XML-SIG)

XML-SIG 的成員執行了許多 -- 或大部分 -- 維護 Python 一部分 XML 工具的任務。與其它 Python SIG 一樣，XML-SIG 要維護郵件發送列表、列表檔案、有用的參考大權、文檔、標準包和其它資源。閱讀了本文中的概述後，最好從 XML-SIG Web 頁面入手。

根據本文中講述的特定重點，XML-SIG 維護了 PyXML 發行版。這個包包含了許多本文中討論的模組，一些“入門”文檔，一些示範代碼和其它一些 XML-SIG 決定放入該發行版的東西。給定的包也許不會總是包含每個獨立模組或工具的最新版本，但下載 PyXML 發行版是個好主意。以後，可以隨時添加任何未包含的模組，或者已包含模組的新版本（以及許多 PyXML 發行版提供的服務所未包含的模組）。

模組：XMLLIB 模組（標準）

“不包括在標準發行版中”，Python 1.5.* 帶有模組 [xmllib]。Python 1.6 也許結合了更多 XML-SIG 的成就，但它仍是測試版。[xmllib] 是一個非驗證的低級文法分析器。[xmllib] 的工作方式是用應用程式覆蓋 XMLParser 類，並提供處理文件項目（如特定或類屬標記，或字元實體）的方法。

作為正在使用的 [xmllib] 樣本，PyXML 發行版包括一個叫做 'quotations.dtd' 的 DTD，以及這個 DTD 的文檔 'sample.xml'（請參閱 參考資料，以擷取本文中提到的檔案的檔案檔案）。以下的代碼顯示了 'sample.xml' 中每段引言的前幾行，並產生了非常簡單的未知標記和實體的 ASCII 指示符。經過分析的文本作為連續流來處理，所使用的任何累加器都由程式員負責（如標記中的字串 (#PCDATA)，或所遇到的標記的列表／詞典）。

嘗試 xmllib 的代碼

#-------------------- try_xmllib.py --------------------#      import xmllib, string      class QuotationParser(xmllib.XMLParser):          """Crude xmllib extractor for quotations.dtd document"""          def __init__(self):              xmllib.XMLParser.__init__(self)              self.thisquote = ''             # quotation accumulator          def handle_data(self, data):              self.thisquote = self.thisquote + data          def syntax_error(self, message): pass          def start_quotations(self, attrs):  # top level tag              print '--- Begin Document ---'          def start_quotation(self, attrs):                  print 'QUOTATION:'          def end_quotation(self):                  print string.join(string.split(self.thisquote[:230]))+'...',                  print '('+str(len(self.thisquote))+' bytes)\n'                  self.thisquote = ''          def unknown_starttag(self, tag, attrs):                  self.thisquote = self.thisquote + '{'          def unknown_endtag(self, tag):                  self.thisquote = self.thisquote + '}'          def unknown_charref(self, ref):              self.thisquote = self.thisquote + '?'          def unknown_entityref(self, ref):              self.thisquote = self.thisquote + '#'      if __name__ == '__main__':          parser = QuotationParser()          for c in open("sample.xml").read():              parser.feed(c)          parser.close()