在文本（XML）文件中查找重复部分的工具？
我有一个XML文件，我想找到具有重复CDATA的节点。有什么工具可以帮助我做到这一点吗在文本（XML）文件中查找重复部分的工具？,xml,text,find,duplicates,Xml,Text,Find,Duplicates,我有一个XML文件，我想找到具有重复CDATA的节点。有什么工具可以帮助我做到这一点吗 我可以使用一个工具来处理文本文档。从来没有听说过类似的事情，但是基于archivers中使用的方法编写这样的程序可能是一项有趣的任务。不容易。我的第一个想法是XSLT，但它很难实现。您必须遍历每个节点，然后对具有相同数据的每个节点执行XPATH选择。这会找到它们，但以后也会处理所有具有相同数据的节点（即，无法跟踪已处理的节点数据并忽略它）。你可以用一种真正的编程语言来实现这一点，但这超出了我的经验。你可以编写
我可以使用一个工具来处理文本文档。从来没有听说过类似的事情，但是基于archivers中使用的方法编写这样的程序可能是一项有趣的任务。不容易。我的第一个想法是XSLT，但它很难实现。您必须遍历每个节点，然后对具有相同数据的每个节点执行XPATH选择。这会找到它们，但以后也会处理所有具有相同数据的节点（即，无法跟踪已处理的节点数据并忽略它）。你可以用一种真正的编程语言来实现这一点，但这超出了我的经验。你可以编写一个简单的C应用程序，使用Linq将所有节点作为独立的实体读取两次，然后找到所有相等的值。这是第一次尝试，用Python编写，只使用标准库。您可以通过多种方式对其进行改进（修剪前导和结尾空格、计算文本哈希以减少内存需求、更好地显示元素及其行号等）：
将xml.etree.ElementTree导入为ElementTree
导入系统
def打印元素（元素）：
返回“%element.tag”
如果len（sys.argv）！=2:
打印>>sys.stderr，“用法：%s文件名”%sys.argv[0]
系统出口（1）
filename=sys.argv[1]
tree=ElementTree.parse（文件名）
root=tree.getroot（）
块={}
iter=root.findall（'.//*'））
对于iter中的元素：
如果element.text分块显示：
块[element.text]。追加（element）
其他：
块[element.text]=[element，]
对于文本块：
如果len（块[文本]）大于1：
打印“\%s\”重复：在%s”中找到%\
（文本，映射（打印元素，块[文本]）
<foo>
<bar>Hop</bar><quiz>Gaw</quiz>
<sub>
<und>Hop</und>
</sub>
霍普盖夫
单足蹦跳
"Hop" is a duplicate: found in ['<bar>', '<und>']
“Hop”是一个重复项：在[''，]中找到