5

我试图找到一种有效的方法来比较两个 XML 文件并处理 python 脚本中的差异。场景是我有两个类似于以下内容的 XML 文件：

<?xml version="1.0" encoding="UTF-8"?> 
<garage> 
    <car> 
        <color>red</color> 
        <size>big</size> 
        <price>10000</price>
    </car> 
    <car> 
        <color>blue</color> 
        <size>big</size> 
        <price>10000</price>

    <!-- [...] -->

    <car> 
        <color>red</color> 
        <size>big</size> 
        <price>11000</price>
    </car> 
    </car> 
</garage>

这些 XML 文件包含数千个小对象。文件本身的大小约为 5 MB。棘手的是这两个文件只有很少的条目不同，我只需要处理不同的信息。换句话说：我需要有效地（！）找出哪些条目已更改或已添加。不幸的是，XML 文件还包含一些我根本不关心的可选条目。

我考虑了以下解决方案：

  1. 将两个文件解析为 DOM 树并在循环中比较它们
  2. 将两个文件解析为集合并使用 set.difference 等运算符
  3. 尝试将一些处理交给一些 linux 工具，如 grep 和 diff

这里有没有人对这种方法的性能有经验并且可以指导我进入的方向？

4

1 回答 1

1

创建一个缓存的中间格式，它只包含您关心比较的内容。比较两个文件时，A.xml& B.xml，比较它们的A.cachedand B.cached，如果丢失则生成它们并在文件更改时删除（或基于时间戳等重新生成）。生成成本将通过多次比较进行摊销，并且您不会重复不必要的条目。

“”的格式.cached实际上取决于您关心的内容以及您需要多少信息/上下文。它甚至可能具有二进制表示

于 2013-10-13T10:39:15.417 回答