深入 Python :Dive Into Python 中文版

許多需要輸入源的函數可以只接收一個文件名，并以讀方式打開文件，讀取文件，處理完成后關閉它。其實它們不是這樣的，而是接收一個類文件對象。

在最簡單的例子中，類文件對象 是任意一個帶有 read 方法的對象，這個方法帶有一個可選的 size 參數，并返回一個字符串。調用時如果沒有 size 參數，它從輸入源中讀取所有東西并將所有數據作為單個字符串返回；調用時如果指定了 size 參數，它將從輸入源中讀取 size 大小的數據并返回這些數據；再次調用的時候，它從余下的地方開始并返回下一塊數據。

這就是從真實文件讀取數據的工作方式；區別在于你不用把自己局限于真實的文件。輸入源可以是任何東西：磁盤上的文件，甚至是一個硬編碼的字符串。只要你將一個類文件對象傳遞給函數，函數只是調用對象的 read 方法，就可以處理任何類型的輸入源，而不需要為處理每種類型分別編碼。

你可能會納悶，這和 XML 處理有什么關系。其實 minidom.parse 就是一個可以接收類文件對象的函數。

例 10.1. 從文件中解析 XML

>>> from xml.dom import minidom
>>> fsock = open('binary.xml')    
>>> xmldoc = minidom.parse(fsock) 
>>> fsock.close()                 
>>> print xmldoc.toxml()          
<?xml version="1.0" ?>
<grammar>
<ref id="bit">
  <p>0</p>
  <p>1</p>
</ref>
<ref id="byte">
  <p><xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/>\
<xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/></p>
</ref>
</grammar>

	首先，你要打開一個磁盤上的文件。這會提供給你一個文件對象。
	將文件對象傳遞給 minidom.parse，它調用 fsock 的 read 方法并從磁盤上的文件讀取 XML 文檔。
	確保處理完文件后調用 close 方法。minidom.parse不會替你做這件事。
	在返回的 XML 文檔上調用 toxml() 方法，打印出整個文檔的內容。

哦，所有這些看上去像是在浪費大量的時間。畢竟，你已經看到，minidom.parse 可以只接收文件名，并自動執行所有打開文件和關閉無用文件的行為。不錯，如果你知道正要解析的是一個本地文件，你可以傳遞文件名而且 minidom.parse 可以足夠聰明地做正確的事情 (Do The Right Thing?^[10])，這一切都不會有問題。但是請注意，使用類文件，會使分析直接從 Internet 上來的 XML 文檔變得多么相似和容易！

例 10.2. 解析來自 URL 的 XML

>>> import urllib
>>> usock = urllib.urlopen('http://slashdot.org/slashdot.rdf') 
>>> xmldoc = minidom.parse(usock)                              
>>> usock.close()                                              
>>> print xmldoc.toxml()                                       
<?xml version="1.0" ?>
<rdf:RDF xmlns="http://my.netscape.com/rdf/simple/0.9/"
 xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">

<channel>
<title>Slashdot</title>
<link>http://slashdot.org/</link>
<description>News for nerds, stuff that matters</description>
</channel>

<image>
<title>Slashdot</title>
<url>http://images.slashdot.org/topics/topicslashdot.gif</url>
<link>http://slashdot.org/</link>
</image>

<item>
<title>To HDTV or Not to HDTV?</title>
<link>http://slashdot.org/article.pl?sid=01/12/28/0421241</link>
</item>

[...snip...]

	正如在前一章中所看到的，urlopen 接收一個 web 頁面的 URL 作為參數并返回一個類文件對象。最重要的是，這個對象有一個 read 方法，它可以返回 web 頁面的 HTML 源代碼。
	現在把類文件對象傳遞給 minidom.parse，它順從地調用對象的 read 方法并解析 read 方法返回的 XML 數據。這與 XML 數據現在直接來源于 web 頁面的事實毫不相干。minidom.parse 并不知道 web 頁面，它也不關心 web 頁面；它只知道類文件對象。
	到這里已經處理完畢了，確保將 urlopen 提供給你的類文件對象關閉。
	順便提一句，這個 URL 是真實的，它真的是一個 XML。它是 Slashdot 站點 (一個技術新聞和隨筆站點) 上當前新聞提要的 XML 表示。

例 10.3. 解析字符串 XML (容易但不靈活的方式)

>>> contents = "<grammar><ref id='bit'><p>0</p><p>1</p></ref></grammar>"
>>> xmldoc = minidom.parseString(contents) 
>>> print xmldoc.toxml()
<?xml version="1.0" ?>
<grammar><ref id="bit"><p>0</p><p>1</p></ref></grammar>

minidom 有一個方法，parseString，它接收一個字符串形式的完整 XML 文檔作為參數并解析這個參數。如果你已經將整個 XML 文檔放入一個字符串，你可以使用它代替 minidom.parse。

好吧，所以你可以使用 minidom.parse 函數來解析本地文件和遠端 URL，但對于解析字符串，你使用……另一個函數。這就是說，如果你要從文件、URL 或者字符串接收輸入，就需要特別的邏輯來判斷參數是否是字符串，然后調用 parseString。多不讓人滿意。

如果有一個方法可以把字符串轉換成類文件對象，那么你只要這個對象傳遞給 minidom.parse 就可以了。事實上，有一個模塊專門設計用來做這件事：StringIO。

例 10.4. StringIO 介紹

>>> contents = "<grammar><ref id='bit'><p>0</p><p>1</p></ref></grammar>"
>>> import StringIO
>>> ssock = StringIO.StringIO(contents)   
>>> ssock.read()                          
"<grammar><ref id='bit'><p>0</p><p>1</p></ref></grammar>"
>>> ssock.read()                          
''
>>> ssock.seek(0)                         
>>> ssock.read(15)                        
'<grammar><ref i'
>>> ssock.read(15)
"d='bit'><p>0</p"
>>> ssock.read()
'><p>1</p></ref></grammar>'
>>> ssock.close()                         

	StringIO 模塊只包含了一個類，也叫 StringIO，它允許你將一個字符串轉換為一個類文件對象。 StringIO 類在創建實例時接收字符串作為參數。
	現在你有了一個類文件對象，你可用它做類文件的所有事情。比如 read 可以返回原始字符串。
	再次調用 read 返回空字符串。真實文件對象的工作方式也是這樣的；一旦你讀取了整個文件，如果不顯式定位到文件的開始位置，就不可能讀取到任何其他數據。StringIO 對象以相同的方式進行工作。
	使用 StringIO 對象的 seek 方法，你可以顯式地定位到字符串的開始位置，就像在文件中定位一樣。
	將一個 size 參數傳遞給 read 方法，你還可以以塊的形式讀取字符串。
	任何時候，read 都將返回字符串的未讀部分。所有這些嚴格地按文件對象的方式工作；這就是術語類文件對象 的來歷。

例 10.5. 解析字符串 XML (類文件對象方式)

>>> contents = "<grammar><ref id='bit'><p>0</p><p>1</p></ref></grammar>"
>>> ssock = StringIO.StringIO(contents)
>>> xmldoc = minidom.parse(ssock) 
>>> ssock.close()
>>> print xmldoc.toxml()
<?xml version="1.0" ?>
<grammar><ref id="bit"><p>0</p><p>1</p></ref></grammar>

現在你可以把類文件對象 (實際是一個 StringIO) 傳遞給 minidom.parse，它將調用對象的 read 方法并高興地開始解析，絕不會知道它的輸入源自一個硬編碼的字符串。

那么現在你知道了如何使用同一個函數，minidom.parse，來解析一個保存在 web 頁面上、本地文件中或硬編碼字符串中的 XML 文檔。對于一個 web 頁面，使用 urlopen 得到類文件對象；對于本地文件，使用 open；對于字符串，使用 StringIO。現在讓我們進一步并歸納一下這些 不同。

例 10.6. openAnything

def openAnything(source):                  
    # try to open with urllib (if source is http, ftp, or file URL)
    import urllib                         
    try:                                  
        return urllib.urlopen(source)      
    except (IOError, OSError):            
        pass                              

    # try to open with native open function (if source is pathname)
    try:                                  
        return open(source)                
    except (IOError, OSError):            
        pass                              

    # treat source as string
    import StringIO                       
    return StringIO.StringIO(str(source))  

	openAnything 函數接受單個參數，source，并返回類文件對象。source 是某種類型的字符串；它可能是一個 URL (例如 'http://slashdot.org/slashdot.rdf')，一個本地文件的完整或者部分路徑名 (例如 'binary.xml')，或者是一個包含了待解析 XML 數據的字符串。
	首先，檢查 source 是否是一個 URL。這里通過強制方式進行：嘗試把它當作一個 URL 打開并靜靜地忽略打開非 URL 引起的錯誤。這樣做非常好，因為如果 urllib 將來支持更多的 URL 類型，不用重新編碼就可以支持它們。如果 urllib 能夠打開 source，那么 return 可以立刻把你踢出函數，下面的 try 語句將不會執行。
	另一方面，如果 urllib 向你呼喊并告訴你 source 不是一個有效的 URL，你假設它是一個磁盤文件的路徑并嘗試打開它。再一次，你不用做任何特別的事來檢查 source 是否是一個有效的文件名 (在不同的平臺上，判斷文件名有效性的規則變化很大，因此不管怎樣做都可能會判斷錯)。反而，只要盲目地打開文件并靜靜地捕獲任何錯誤就可以了。
	到這里，你需要假設 source 是一個其中有硬編碼數據的字符串 (因為沒有別的可以判斷的了)，所以你可以使用 StringIO 從中創建一個類文件對象并將它返回。(實際上，由于使用了 str 函數，所以 source 沒有必要一定是字符串；它可以是任何對象，你可以使用它的字符串表示形式，只要定義了它的 __str__ 專用方法。)

現在你可以使用這個 openAnything 函數聯合 minidom.parse 構造一個函數，接收一個指向 XML 文檔的 source，而且無需知道這個 source 的含義 (可以是一個 URL 或是一個本地文件名，或是一個硬編碼 XML 文檔的字符串形式)，然后解析它。

class KantGenerator:
    def _load(self, source):
        sock = toolbox.openAnything(source)
        xmldoc = minidom.parse(sock).documentElement
        sock.close()
        return xmldoc