在python中使用lxml是否有一种优雅的方法来计算xml文件中的标记元素?
我可以将xml文件的内容读入字符串,并使用字符串操作来实现这一点,但我想有一种更优雅的方法来实现这一点。由于我在文件中没有找到任何线索,我在这里搜索: 给定一个xml(见下文)文件,如何计算xml标记的数量,就像示例中的作者标记的数量一样,bewlow是最优雅的方式?我们假设每个作者只出现一次在python中使用lxml是否有一种优雅的方法来计算xml文件中的标记元素?,python,xml,tags,count,lxml,Python,Xml,Tags,Count,Lxml,我可以将xml文件的内容读入字符串,并使用字符串操作来实现这一点,但我想有一种更优雅的方法来实现这一点。由于我在文件中没有找到任何线索,我在这里搜索: 给定一个xml(见下文)文件,如何计算xml标记的数量,就像示例中的作者标记的数量一样,bewlow是最优雅的方式?我们假设每个作者只出现一次 <root> <author>Tim</author> <author>Eva</author> <author&
<root>
<author>Tim</author>
<author>Eva</author>
<author>Martin</author>
etc.
</root>
提姆
伊娃
马丁
等
此xml文件很简单,但有可能作者并不总是一个接一个地列出,他们之间可能有其他标记。使用with。如果要计算所有作者标记:
import lxml.etree
doc = lxml.etree.parse(xml)
count = doc.xpath('count(//author)')
使用modulere处理SGML/XML/HTML文本时必须小心,因为并非所有此类文件的处理都不能用regex执行(regex不能解析SGML/HTML/XML文本) 但在这里,在这个特定的问题中,我认为这是可能的(re.DOTALL是强制性的,因为一个元素可以扩展到多行;除此之外,我无法想象任何其他可能的陷阱)
from time import clock
n= 10000
print 'n ==',n,'\n'
import lxml.etree
doc = lxml.etree.parse('xml.txt')
te = clock()
for i in xrange(n):
countlxml = doc.xpath('count(//author)')
tf = clock()
print 'lxml\ncount:',countlxml,'\n',tf-te,'seconds'
import re
with open('xml.txt') as f:
ch = f.read()
regx = re.compile('<author>.*?</author>',re.DOTALL)
te = clock()
for i in xrange(n):
countre = sum(1 for mat in regx.finditer(ch))
tf = clock()
print '\nre\ncount:',countre,'\n',tf-te,'seconds'
n == 10000
lxml
count: 3.0
2.84083032899 seconds
re
count: 3
0.141663256084 seconds