Question

我有一个非常大的 XML 文档( 1. 8GB) 。我想简单地找到标签 < code\\ lt; production> 的元素数量。

我走到了这么远:

context = etree.iterparse( ./test.xml , tag= Product )
num_elems = 0
for event, elem in context:
    num_elems += 1
print num_elems

管用,但有更快的方法吗?

Answer 1

既然如此,我认为内存使用不是一个问题( reterparse 将在记忆中构建整个文件的一棵树,除非您在对元素进行迭接时使用它)。在这种情况下,省去在 Python 中循环和计数的麻烦,让 LXML/ libxml 在 C 中处理:

tree = etree.parse("./test.xml")
num_elems = tree.xpath("count(//Product)")    # note: returns a float