我的工作是处理大量的 xml;为了获得更快的结果,我想使用 ipython 的并行处理;下面是我的示例代码。因为我只是在使用celementTree
模块查找 xml/xsd 的元素数量。
>>> from IPython.parallel import Client
>>> import os
>>> c = Client()
>>> c.ids
>>> lview = c.load_balanced_view()
>>> lview.block =True
>>> def return_len(xml_filepath):
import xml.etree.cElementTree as cElementTree
tree = cElementTree.parse(xml_filepath)
my_count=0
file_result=[]
cdict={}
for elem in tree.getiterator():
cdict[my_count]={}
if elem.tag:
cdict[my_count]['tag']=elem.tag
if elem.text:
cdict[my_count]['text']=(elem.text).strip()
if elem.attrib.items():
cdict[my_count]['xmlattb']={}
for key, value in elem.attrib.items():
cdict[my_count]['xmlattb'][key]=value
if list(elem):
cdict[my_count]['xmlinfo']=len(list(elem))
if elem.tail:
cdict[my_count]['tail']=elem.tail.strip()
my_count+=1
output=xml_filepath.split('\\')[-1],len(cdict)
return output
## return cdict
>>> def get_dir_list(target_dir, *extensions):
"""
This function will filter out the files from given dir based on their extensions
"""
my_paths=[]
for top, dirs, files in os.walk(target_dir):
for nm in files:
fileStats = os.stat(os.path.join(top, nm))
if nm.split('.')[-1] in extensions:
my_paths.append(top+'\\'+nm)
return my_paths
>>> r=lview.map_async(return_len,get_dir_list('C:\\test_folder','xsd','xml'))
为了获得最终结果,我必须这样做
>>> r.get()
,当过程完成时我会得到结果
我的问题是我是否能够在它们完成时获得中间结果;
例如,如果我将我的工作应用到包含 1000 个 xmls/xsds 文件的文件夹,那么在处理完特定文件后,我可以立即获得结果。不喜欢1st file is done--> show its result... 2nd file is done---> show its result........ 1000th file is done--> show its result
上面的当前工作;wait till final file get finished
然后它将显示所有这 1000 个文件的完整结果。
还要处理我在函数import
内部定义的导入/命名空间错误return_len
;有没有更好的方法来解决这个问题?