使用Python lxml和Iterparse解析大型XML文件

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了使用Python lxml和Iterparse解析大型XML文件，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1207字，纯文字阅读大概需要2分钟。

内容图文

我正在尝试使用lxml和iterparse方法编写解析器来逐步执行包含许多项的非常大的xml文件.

我的文件格式为：

<item>
  <title>Item 1</title>
  <desc>Description 1</desc>
  <url>
     <item>http://www.url1.com</item>
  </url>
</item>
<item>
  <title>Item 2</title>
  <desc>Description 2</desc>
  <url>
     <item>http://www.url2.com</item>
  </url>
</item>

到目前为止我的解决方案是：

from lxml import etree

context = etree.iterparse( MYFILE, tag='item' )

for event, elem in context :
      print elem.xpath( 'description/text( )' )
      elem.clear( )
      while elem.getprevious( ) is not None :
            del elem.getparent( )[0]

del context

当我运行它时,我得到类似的东西：

[]
['description1']
[]
['description2']

空白集是因为它还将子项的项标记拉出到url标记,并且它们显然没有用xpath提取的描述字段.我希望逐个解析每个项目,然后根据需要处理子字段.我有点只是学习lxml图书馆,所以我很好奇是否有办法拉出主要项目,如果遇到任何子项目？

解决方法:

无论如何,核心实现都会解析整个xml. etree.iterparse只是生成器样式中的一个视图,它通过标记名称提供简单的过滤(请参阅docstring http://lxml.de/api/lxml.etree.iterparse-class.html).
如果你想要一个复杂的过滤,你应该自己做.

解决方案：注册启动事件：

iterparse(self, source, events=("start", "end",), tag="item")

当你是“item / url / item”时,有一个bool知道你何时在“item”结束.

内容总结

以上是互联网集市为您收集整理的使用Python lxml和Iterparse解析大型XML文件全部内容，希望文章能够帮你解决使用Python lxml和Iterparse解析大型XML文件所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---