Python ElementTree 重复项检查器

Question

我需要写一个“重复检查器”，用来比较两个XML文件，看看它们是否相同（也就是里面的数据是否一样）。因为这两个XML文件来自同一个类，并且是根据一个XSD生成的，所以它们的结构和元素的顺序很可能是一样的。

我想到的最好的方法是建立两个字典（dictLeft，dictRight），把xpath#value作为键，出现的次数作为值。大概是这样的：

左边：

{ 'my/path/to/name#greg': 1, 'my/path/to/name#john': 2, 'my/path/to/car#toyota': 1}

右边：

{ 'my/path/to/name#greg': 1, 'my/path/to/name#bill': 1, 'my/path/to/car#toyota': 1}

比较这两个字典可以让我比较准确地判断这两个XML文件是否相同（虽然有可能会出现错误的结果，但这种情况非常少）。

有没有人有更好的主意？也许在ElementTree中有我不知道的函数？

补充说明：为了更好地解释：

<root><person><name>Bob</name><surname>marley</surname></root>

和

<root><person><surname>marley</surname><name>Bob</name></root>

会被认为是相同的。我不考虑属性。我的想法是尽量保持代码简单，同时又不影响性能太多。

Answer 1

根据你的例子，看起来你可以使用iterparse这个方法，并结合collections.Counter来统计每个标签及其属性出现的次数，把它们当作计数器的键。

例如：

from xml.etree import cElementTree as ElementTree
from collections import Counter

your_xml = get_xml()
count = Counter()
parser = ElementTree.iterparse(your_xml)
for event, element in parser:
    #joining string as key for ease of debugging, strictly speaking,
    #one could use a tuple and save the str() on the attrib dict
    key = "".join((element.tag, str(element.attrib), element.text))
    count[element.tag] += 1

另外，你也可以把计数用一个普通的字典来实现，然后直接比较这两个字典是否相等（在我看来，这样的概念更简单）。

Answer 2

如果两个XML文件是从同一段代码生成的，并且里面的值（顺序也要一样）都是相同的，那么你可以直接把这两个XML的数据当作字符串来比较。

如果这样比较能成功，那可能就是最简单的解决办法了。不过，也有可能会有一些原因导致这种方法不适合你。

Answer 3

好的，我需要做个决定，最后选择了这个：

foreach path in xpathlist
  find entries for path for both xml1 and xml2
  foreach entry in xmlentries1
    dict1[path#entry.value]++
  foreach entry in xmlentries2
    dict2[path#entry.value]++

  if dict1 and dict2 are not equal
    return false
return true

我希望这样说能让你明白。这让我可以测试特定的或者所有的xpath。如果有人有更好的算法，我非常乐意听听 :)