python - xml.sax 解析器和行号等

任务是解析一个简单的 XML 文档，并按行号分析内容。

正确的 Python 包似乎是 xml.sax 。但是我该如何使用它呢？

在对文档进行了一些挖掘之后，我发现:

xmlreader.Locator 接口(interface)具有信息: getLineNumber() 。

handler.ContentHandler 接口(interface)有 setDocumentHandler() 。

第一个想法是创建一个 Locator ，将其传递给 ContentHandler ，并在调用其 character() 方法等期间从 Locator 读取信息。

但是，xmlreader.Locator 只是一个骨架接口(interface)，并且只能从其任何方法返回 -1。
所以作为一个可怜的用户，我该怎么办，没有自己写一个完整的 Parser 和 Locator ？

我马上回答我自己的问题。

(好吧，我会的，除了说我不能的武断的、烦人的规则。)

我无法使用现有文档(或通过网络搜索)弄清楚这一点，并且被迫阅读 xml.sax 的源代码(在我的系统上的/usr/lib/python2.7/xml/sax/下)。
xml.sax 函数 make_parser() 默认创建一个真正的 Parser ，但那是什么东西？
在源代码中发现它是一个 ExpatParser ，定义在 expatreader.py 中。
而且...它有自己的 Locator ，一个 ExpatLocator 。但是，没有办法接触到这个东西。
在这个和解决方案之间出现了很多令人头疼的问题。

编写您自己的 ContentHandler ，它知道 Locato r，并使用它来确定行号

使用 ExpatParser

创建一个 xml.sax.make_parser()

创建一个 ExpatLocator ，将 ExpatParser 实例传递给它。

生成 ContentHandler ，给它这个 ExpatLocator

将 ContentHandler 传递给解析器的 setContentHandler()

在 parse() 上调用 Parser 。

例如:

import sys
import xml.sax

class EltHandler( xml.sax.handler.ContentHandler ):
    def __init__( self, locator ):
        xml.sax.handler.ContentHandler.__init__( self )
        self.loc = locator
        self.setDocumentLocator( self.loc )

    def startElement( self, name, attrs ): pass

    def endElement( self, name ): pass

    def characters( self, data ):
        lineNo = self.loc.getLineNumber()
        print >> sys.stdout, "LINE", lineNo, data

def spit_lines( filepath ):
    try:
        parser = xml.sax.make_parser()
        locator = xml.sax.expatreader.ExpatLocator( parser )
        handler = EltHandler( locator )
        parser.setContentHandler( handler )
        parser.parse( filepath )
    except IOError as e:
        print >> sys.stderr, e

if len( sys.argv ) > 1:
    filepath = sys.argv[1]
    spit_lines( filepath )
else:
    print >> sys.stderr, "Try providing a path to an XML file."

Martijn Pieters 在下面指出了另一种具有一些优势的方法。
如果 ContentHandler 的父类(super class)初始化器被正确调用，
然后结果是一个看起来很私密、没有证件的成员 ._locator 是
设置，它应该包含一个适当的 Locator 。

优点:您不必创建自己的 Locator(或了解如何创建它)。
缺点:它没有任何记录，并且使用未记录的私有(private)变量是草率的。

谢谢马丁!

最佳答案

sax 解析器本身应该为您的内容处理程序提供定位器。定位器必须实现某些方法，但它可以是任何对象，只要它具有正确的方法。 xml.sax.xmlreader.Locator class 是定位器需要实现的接口(interface)；如果解析器为您的处理程序提供了一个定位器对象，那么您可以依靠定位器上存在的这 4 个方法。

仅鼓励解析器设置定位器，而不需要这样做。 expat XML 解析器确实提供了它。

如果您将 xml.sax.handler.ContentHandler() 子类化，那么它将为您提供一个标准的 setDocumentHandler() 方法，并且当处理程序上的 .startDocument() 被调用时，您的内容处理程序实例将设置 self._locator:

from xml.sax.handler import ContentHandler

class MyContentHandler(ContentHandler):
    def __init__(self):
        ContentHandler.__init__(self)
        # initialize your handler

    def startElement(self, name, attrs):
        loc = self._locator
        if loc is not None:
            line, col = loc.getLineNumber(), loc.getColumnNumber()
        else:
            line, col = 'unknown', 'unknown'
        print 'start of {} element at line {}, column {}'.format(name, line, col)

关于python - xml.sax 解析器和行号等，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15477363/