Python爬虫内建模块中，如何运用XML和HTMLParser进行基础学习？

本文共计930个文字，预计阅读时间需要4分钟。

XML虽然比JSON复杂，但在Web应用中应用广泛，仍有许多地方在使用。因此，有必要了解如何操作XML。

DOM与SAX：操作XML有两种方法：DOM和SAX。

DOM将整个XML读入内存，解析为树结构。

SAX按顺序解析XML，逐个处理节点。

1.XML

XML虽然比JSON复杂，在Web中应用也不如以前多了，不过仍有很多地方在用，所以，有必要了解如何操作XML。

DOM vs SAX

操作XML有两种方法：DOM和SAX。DOM会把整个XML读入内存，解析为树，因此占用内存大，解析慢，优点是可以任意遍历树的节点。SAX是流模式，边读边解析，占用内存小，解析快，缺点是我们需要自己处理事件。

正常情况下，优先考虑SAX，因为DOM实在太占内存。

在Python中使用SAX解析XML非常简洁，通常我们关心的事件是​​start_element​​​，​​end_element​​​和​​char_data​​，准备好这3个函数，然后就可以解析xml了。