出于什么目的，哪个XML库？

Question

搜索“python”和“xml”会返回各种用于组合这两者的库。

此列表可能有问题：

• xml.dom的
• xml.etree
• xml.sax
• xml.parsers.expat
• 的PyXML
• beautifulsoup？
• 的HTMLParser
• htmllib中
• sgmllib中

如果有人可以快速总结何时使用哪个以及为什么，那就太好了。

Answer 1

DOM / SAX鸿沟是一个基本的分歧。它不仅适用于python，因为DOM和SAX是跨语言的。

DOM ：将整个文档读入内存并进行操作。 适合：

• 标记中标记之间的复杂关系
• 小错综复杂的XML文档
• 注意事项：
  • 易于使用过多的记忆

SAX ：在阅读文档时解析文档。适合：

• 长文件或开放式文集
• 内存是约束的地方
• 注意事项：
  • 你需要编写一个有状态的解析器，这可能很棘手

<强> beautifulsoup ：

非常适合HTML或不太完善的标记。易于使用和快速。适用于屏幕抓取等。它可以使用标记，其中基于XML的标记只是通过错误说标记不正确。

其余大多数我都没有使用过，但我认为关于何时使用它的规则并不严格。只是您的标准考虑因素：谁将维护代码，您认为哪些API最易于使用，它们的工作情况等等。

一般来说，对于基本需求，使用标准库模块很好，因为它们是“标准的”，因此可用且众所周知。但是，如果你需要深入研究某些东西，几乎总会有更新的非标准模块在标准库之外具有卓越的功能。

Answer 2

我发现xml.etree基本上对所有内容都足够了，除了BeautifulSoup我需要解析损坏的 XML（不是常见的问题，不同于破碎的HTML，哪个是BeautifulSoup也有帮助和 无处不在）：它有合理的支持在内存中读取整个XML文档，导航它们，创建它们，逐步解析大文档。 lxml支持相同的界面，并且通常更快 - 当你能负担得起安装第三方Python扩展时（如在App Engine上你不能 - 但是xml.etree仍然存在，那么推动性能很有用）所以你可以运行完全相同的代码）。 lxml也有更多功能，并提供BeautifulSoup。

您提到的其他库是为非常不同的语言设计的模仿API，一般来说，我认为没有理由将Python扭曲成这些旋转。如果您有非常具体的需求，例如支持xslt，各种验证等，那么可能值得四处寻找其他库，但是我很久没有这样的需求，所以我不是最新的为他们提供的产品。

Answer 3

我对XML没有太多帮助，但是当我需要时，lxml一直很愉快，并且显然非常快。元素树API在面向对象的设置中非常好。

Answer 4

对于许多问题，您可以使用xml。它的主要优点是成为标准库的一部分。这意味着它几乎预装在每个系统上，并且接口将是静态的。它不是最好的，也不是最快的，但它就在那里。

其他一切都有lxml。特别地，lxml最适合解析损坏的HTML，xHTML或可疑提要。它使用libxml2和libxslt来处理XPath，XSLT和EXSLT。该教程很清晰，界面简单直接。提到的其余库存在是因为lxml在当前形式下不可用。

这是我的意见。