HTTP 与 Web 标准 / 系统课时
写出第一份 XML 文档
写出第一份 XML 文档
这一课直接完成一份可解析的 XML 文件:先写声明、唯一根元素和子元素,再用 Python 标准库实际解析它。完成后,你不仅能写出最小 XML 文档,也能判断常见结构错误为什么会导致解析失败。
学习目标
- 写出包含 XML 声明、根元素和子元素的完整文档
- 理解良构 XML 对根元素和标签闭合的基本要求
- 使用解析器验证 XML 文件是否能够被正确读取
写出最小完整文档
新建 book.xml,写入下面内容:
<?xml version="1.0" encoding="UTF-8"?>
<book>
<title>XML Basics</title>
<author>Alice</author>
</book>第一行是 XML 声明,说明版本与字符编码。<book> 是整个文档唯一的根元素,<title> 和 <author> 是它的子元素。XML 标签区分大小写,因此 <title> 必须用 </title> 闭合,不能写成 </Title>。
这份文件的验证目标很明确:解析器能够完整读取文档并找到预期的根元素和子元素,就说明它满足最基本的良构要求。
用解析器验证文档
Python 标准库自带 xml.etree.ElementTree,不需要安装第三方依赖。确认终端当前目录中存在 book.xml 后,执行下面命令:
python -c "import xml.etree.ElementTree as ET; root=ET.parse('book.xml').getroot(); print('root=' + root.tag); print('title=' + root.findtext('title')); print('author=' + root.findtext('author'))"预期输出:
root=book
title=XML Basics
author=Alice如果你的环境使用 python3 命令,将开头的 python 替换为 python3 即可。解析成功说明 XML 语法结构有效,但并不代表其中的业务数据一定符合某个业务规则。
解析器真正检查了什么
“能解析”首先意味着文档是良构的。解析器会检查标签是否正确闭合、嵌套是否匹配、文档是否只有一个根元素,以及字符和实体引用是否符合 XML 语法。
例如,下面是一个片段示例,依赖前面的 book.xml 结构;它缺少 </title>,因此不是良构 XML:
<book>
<title>XML Basics
<author>Alice</author>
</book>如果把 book.xml 改成上面的错误内容,再执行同一条解析命令,Python 会抛出 xml.etree.ElementTree.ParseError。具体行号和列号取决于文件内容,因此应以本机实际错误位置为准。
写第一份 XML 时优先检查这些边界
最常见的问题不是语法复杂,而是几个严格规则被忽略。一个 XML 文档只能有一个根元素;开始标签与结束标签必须成对且大小写一致;元素必须正确嵌套,不能交叉闭合;声明中的编码还应与文件实际保存编码一致。
当解析命令能够稳定输出 root=book 以及两个子元素的内容时,这份 XML 就完成了最基本的“编写—解析—验证”闭环。之后增加属性、更多层级或重复元素时,也应继续通过解析器确认文档保持良构。