如何用Python检查两个XML文件是否相等？

Question

如何检查两个XML文件是否相同？

举个例子，即使两个XML文件的顺序不同，它们的内容也是一样的。我需要检查这两个XML文件是否包含相同的文字信息，而不考虑它们的顺序。

<a>
   <b>hello</b>
   <c><d>world</d></c>
</a>

<a>
   <c><d>world</d></c>
   <b>hello</b>
</a>

有没有什么工具可以做到这一点？

Answer 1

我的解决方案在下面。它比较了所有的属性和标签的迭代。部分代码参考自：测试xml.etree.ElementTree的等价性

import xml.etree.ElementTree as ET


def elements_equal(e1, e2):
    if e1.tag != e2.tag: 
        return False
    if e1.text != e2.text: 
        if  e1.text!=None and e2.text!=None :
            return False
    if e1.tail != e2.tail:
        if e1.tail!=None and e2.tail!=None:
            return False
    if e1.attrib != e2.attrib: 
        return False
    if len(e1) != len(e2): 
        return False
    return all(elements_equal(c1, c2) for c1, c2 in zip(e1, e2))



def is_two_xml_equal(f1, f2):
    tree1 = ET.parse(f1)
    root1 = tree1.getroot()
    tree2 = ET.parse(f2)
    root2 = tree2.getroot()
    return elements_equal(root1,root3)

f1 = '2.xml'
f2 = '1.xml'
print(is_two_xml_equal(f1, f2))

Answer 2

在XML中，顺序是很重要的，所以你提供的两个文件实际上是不同的。通常情况下，你可以先把XML标准化，然后直接把文件当作文本来比较。但是如果你想要不考虑顺序的比较，那你可能需要自己实现这个功能，使用市面上有很多的XML解析器（我推荐使用lxml）。

Answer 3

这完全取决于你对“等价”的定义。

假设你只关心文本节点（比如你例子中的 d 标签其实不重要，你只关心内容 word），你可以把每个文档的文本节点放到一个集合里，然后比较这些集合。使用 lxml 库的话，可以这样做：

from lxml import etree

tree1 = etree.parse('example1.xml')
tree2 = etree.parse('example2.xml')

print set(tree1.getroot().itertext()) == set(tree2.getroot().itertext())

你甚至可以选择忽略空白节点，做一些类似这样的操作：

set(i for i in tree.getroot().itertext() if i.strip())

需要注意的是，使用集合意味着你不会考虑某些文本在文档中出现的次数（这可能是你想要的，也可能不是）。如果顺序不重要，但出现的次数很重要，你可以用字典代替集合，记录每个文本出现的次数（比如用 collections.defaultdict() 或 collections.Counter 在 Python 2.7 中）。

但是如果你只想忽略根元素的直接子元素的顺序（在你的例子中，就是 a 元素的子元素），而这些元素内部的内容是重要的，那你就需要另一种方法。你可以对每个子元素进行 XML 标准化，得到每个子元素的规范版本（不过，我不确定这是否足够符合你的需求）。

from lxml import etree

tree1 = etree.parse('example1.xml')
tree2 = etree.parse('example2.xml')

set1 = set(etree.tostring(i, method='c14n') for i in tree1.getroot())
set2 = set(etree.tostring(i, method='c14n') for i in tree2.getroot())

print set1 == set2

注意：为了让例子更简单，我使用了 lxml 的开发版本，在旧版本中，etree.tostring() 没有 method='c14n' 这个选项，只有 c14n() 方法在 ElementTree 上，它会写入一个类似文件的对象。所以在那种情况下，你需要把每个元素复制到自己的树中，并使用 StringIO() 对象作为一个虚拟文件。

另外，这种做法可能不适合处理非常大的文件。

但再次提醒：你真的需要清楚你所需要的“等价”是什么，并根据这个知识来创建你自己的解决方案！