
Python部落(www.freelycode.com)组织翻译, 禁止转载
自从能让程序在HTTP上传输和解析文档后,没多久,我们又专门设计了一种文档,能够让其他程序也能使用的(不是像HTML显示在在浏览器上)。
在网络上,最常见的两个程序间进行数据交换的数据格式,称之为“可扩展标记语言” 或者简称为XML。
13.1 可扩展标记语言 - XML
XML看上去类似于HTML,但XML比HTML更加有结构性。下面是一个简单的标准XML文档。
<person>
<name>Chuck</name>
<phone type="intl">
+1 734 303 4456
</phone>
<email hide="yes"/>
</person>
为了便于更好的理解XML文档,我们可以理解为XML文档是一个树结构文档。在上面的示例中,Person可以理解为是一棵树的根节点,而且其他节点都是其的子节点。比如name,phone等。

13.2 解析XML
下面是一个小示例,该示例能够解析XML文档,并且能从XML文档中提取一些数据元素。
import xml.etree.ElementTree as ET
data = '''
<person>
<name>Chuck</name>
<phone type="intl">
+1 734 303 4456
</phone>
<email hide="yes"/>
</person>'''
tree = ET.fromstring(data)
print 'Name:',tree.find('name').text
print 'Attr:',tree.find('email').get('hide')
调用“formstring”方法,可以把XML表示的字符串转换为XML节点的“树”。当XML转换为一个树后,我们有很多的方法,能够使我们可以从XML提取的数据。
“find”方法会遍历整个XML树,与此同时,它会对每一个的子节点进去对比,直到发现指定的标签。每个节点可以有文本文字,属性(例如,hide)或者它自己的子节点。每个节点可以作为每一个节点树的首节点。
Name: Chuck
Attr: yes
在上一个示例中,使用ElementTree XML解析器,不仅能够有效的进行XML文档格式验证,而且能使我们不用担心XML语法规则,直接从XML文档中提取数据。
13.3 节点循环
通常来说,一个标准XML文档有很多节点。为了能够对所有节点进行遍历,我们必须使用循环方法。下面的示例,我们将遍历所有用户节点。
import xml.etree.ElementTree as ET
input = '''
<stuff>
<users>
<user x="2">
<id>001</id>
<name>Chuck</name>
</user>
<user x="7">
<id>009</id>
<name>Brent</name>
</user>
</users>
</stuff>'''
stuff = ET.fromstring(input)
lst = stuff.findall('users/user')
print 'User count:', len(lst)
for item in lst:
print 'Name', item.find('name').text
print 'Id', item.find('id').text
print 'Attribute', item.get('x')
“findall”方法可以获得一个Python列表类型的子树。这个子树代表了在XML树中的一个用户节点。
这样我们可以写一个for循环,对每一个用户节点进行遍历,这样我们可以获得每个用户节点的名字,ID号,文本元素和用户节点的X属性。
User count: 2
Name Chuck
Id 001
Attribute 2
Name Brent
Id 009
Attribute 7
13.4 应用程序接口 (API)
我们现在实现了程序间基于HTTP协议的数据交换,也实现了基于XML格式的复杂数据交换。
为了能够结合这些技术,我们定义了一个“契约”。这个契约有一个通用名,称之为应用程序接口或者APIs。通常来说,当我们使用一个API时,这个API服务提供方已经提供了一些的服务。如果第三方程序想使用这些服务,它们必须跟着服务提供方的规则。
当我们开始搭建我们的应用程序时,使用了第三方提供的服务。这时,我们称这个应用程序为“面向服务结构程序”或者SOA。SOA应用程序和非SOA应用程序区别在于,SOA应用程序是使用其他第三方应用程序组件而成的,而非SOA应用程序是一个单一独立应用程序,不依靠其他第三方程序提供的服务。
现今互联网上,我们可以看见很多SOA的案例。我们可以去一个航空网站,能够订机票订酒店或者订汽车。但事实上,酒店信息是不储存在航空公司服务器上的。而是航空公司通过使用网络服务,连接酒店服务器,获取酒店数据并显示给用户。当一个用户在航空公司网站上预定一个宾馆房间时,航空公司网站使用另一个网络服务连接宾馆系统,然后预定一个宾馆房间。当付款时,航空公司仍然使用其他电脑和网络服务进行付款操作。

一个面向结构服务程序具有以下优点:
1 便于维护。我们只是对获得的数据进行操作,而不会对原生数据进行操作。例如,我们只获取酒店预订数据,但不会影响到其数据在酒店服务器上。
2 数据所有者可以指定他们自己的规则,如何让第三方程序使用他们的数据。
由于以上的的优点,所以当设计一个SOA系统时,必须仔细设计,这样才能同时获得一个良好的性能和达到用户需求。
如果一个应用程序拥有以上服务,例如API等,那么我们称这些服务为网络服务。
13.5 Twitter网络服务
备注:这章节写完后,Twitter更改很多它们的API。即使Twitter API代码失效,但它仍然能告诉你,一个基于XML的API是如何运作的。
你可以前往http://apiwiki.twitter.com/,阅读Twiiter API文档。 Twitter API是一个REST形式的网络服务。 接下来,我们可以做一个示例。此示例中,我们将通过一个API去获取一个朋友列表和及其状态。你可以通过以下URL来获取数据:
http://api.twitter.com/1/statuses/friends/drchuck.xml
由于浏览器中查看drchuck的twitter朋友列表,它看上有点乱七八糟。为了能够看到真正Twitter返回的XML数据,你可以查看网络页面的源代码。
我们可以通过Python的urllib库获得这个XML数据。
import urllib
TWITTER_URL = 'http://api.twitter.com/l/statuses/friends/ACCT.xml'
while True:
print ''
acct = raw_input('Enter Twitter Account:')
if ( len(acct) < 1 ) : break
url = TWITTER_URL.replace('ACCT', acct)
print 'Retrieving', url
document = urllib.urlopen (url).read()
print document[:250]
程序命令提示框中,输入Twitter账号,程序就会获取这个Twiiter账号中所有朋友和其状态信息,并且会显示返回数据结果中前250字符。
python twitter1.py
Enter Twitter Account:drchuck
Retrieving http://api.twitter.com/l/statuses/friends/drchuck.xml
<?xml version="1.0" encoding="UTF-8"?>
<users type="array">
<user>
<id>115636613</id>
<name>Steve Coppin</name>
<screen_name>steve_coppin</screen_name>
<location>Kent, UK</location>
<description>Software developing, best practicing, agile e
Enter Twitter Account:
在这个案例中,我们已读取XML数据,就像读取一个HTML网络页面一样。如果我们想从XML中获取数据,我们可以使用Python的string方法,但它会变得非常复杂,就像我们已经开始深挖XML细节一样。
我们获得XML数据,大致看看如下所示:
<?xml version="1.0" encoding="UTF-8"?>
<users type="array">
<user>
<id>115636613</id>
<name>Steve Coppin</name>
<screen_name>steve_coppin</screen_name>
<location>Kent, UK</location>
<status>
<id>10174607039</id>
<source>web</source>
</status>
</user>
<user>
<id>17428929</id>
<name>davidkocher</name>
<screen_name>davidkocher</screen_name>
<location>Bern</location>
<status>
<id>10306231257</id>
<text>@MikeGrace If possible please post a detailed bug report </text>
</status>
</user>
...
最顶端标签是users,它有很多个user标签。每个user标签都有个status标签。
13.6 处理API数据
当我们从API中获取一个标准XML数据,我们通常会使用XML解析器(例如:EelementTree)来解析XML数据,从而获得一些有用的信息。在Python中,我们使用ElementTree来解析XML数据。
下面示例中,我们将通过Twiiter API来获取朋友和其状态数据,然后进行XML解析,最后输出前四个朋友和其状态。
import urllib
import xml.etree.ElementTree as ET
TWITTER_URL = 'http://api.twitter.com/l/statuses/friends/ACCT.xml'
while True:
print ''
acct = raw_input('Enter Twitter Account:')
if ( len(acct) < 1 ) : break
url = TWITTER_URL.replace('ACCT', acct)
print 'Retrieving', url
document = urllib.urlopen (url).read()
print 'Retrieved', len(document), 'characters.'
tree = ET.fromstring(document)
count = 0
for user in tree.findall('user'):
count = count + 1
if count > 4 : break
print user.find('screen_name').text
status = user.find('status')
if status :
txt = status.find('text').text
print ' ',txt[:50]
我们使用findall方法获取一个列表的用户节点,然后对列表中的用户信息进行遍历。对每一个每用户节点,我们会输出他们的screen_name和status。如果有status节点,就打印出前50个字符的status文本,如果没有,则不输出。
这个方法比较简单明了,我们使用findall方法可以获得一个列表节点或者单个节点。如果一个节点带有很多字节点的元素,那么我们会进一步获取这个节点的信息,直到我们找到我们想要的数据。
示例代码如下:
python twitter2.py
Enter Twitter Account:drchuck
Retrieving http://api.twitter.com/l/statuses/friends/drchuck.xml
Retrieved 193310 characters.
steve_coppin
Looking forward to some "oh no the markets closed,
davidkocher
@MikeGrace If possible please post a detailed bug
hrheingold
From today's Columbia Journalism Review, on crap d
huge_idea
@drchuck #cnx2010 misses you, too. Thanks for co
Enter Twitter Account:hrheingold
Retrieving http://api.twitter.com/l/statuses/friends/hrheingold.xml
Retrieved 208081 characters.
carr2n
RT @tysone: Saturday's proclaimation by @carr2n pr
tiffanyshlain
RT @ScottKirsner: Turning smartphones into a tool
soniasimone
@ACCompanyC Funny, smart, cute, and also nice! He
JenStone7617
Watching "Changing The Equation: High Tech Answers
Enter Twitter Account:
使用ElementTree比使用Python的string方法,对XML解析和获取字段更加简单。
13.7 词汇表
API:
应用程序接口 - 两个应用程序组件间的一种交互模式。
ElementTree:
一个Python自带库,通常用于解析XML数据
XML:
可扩展标记语言 - 一种结构式数据标签格式
REST:
表述性状态传递 - 提供一个基于HTTP协议应用程序的数据访问的网络服务。
SOA:
面向服务架构 - 一个应用程序是通过网络连接的组件。
13.8 练习
练习1 修改上文中Twitter示例,命名为twitter2.py。这个程序能够读取给定Twitter用户账号的朋友数据,并且能够打印出每个朋友的个人信息。每个朋友信息格式为:第一行为朋友的twitter用户名,第二行为朋友的地址信息,第三行为朋友最新一条状态小心。以下是一个完整程序输出。
Enter Twitter Account:drchuck
Retrieving http://api.twitter.com/l/statuses/friends/drchuck.xml
Retrieved 194533 characters.
steve_coppin
Kent, UK
Looking forward to some "oh no the markets closed,
davidkocher
Bern
@MikeGrace If possible please post a detailed bug
hrheingold
San Francisco Bay Area
RT @barrywellman: Lovely AmBerhSci Internet & Comm
huge_idea
Boston, MA
@drchuck #cnx2010 misses you, too. Thanks for co
英文原文: http://www.pythonlearn.com/html-007/cfbook014.html
译者: AqusJC

