有没有优雅的方法在Python中使用lxml计数XML文件中的标签元素？

Question

我可以把xml文件的内容读到一个字符串里，然后用字符串操作来完成这个任务，但我觉得可能有更简单优雅的方法。由于在文档中没有找到相关线索，所以我在这里询问：

给定一个xml文件（见下文），你怎么数xml标签，比如下面例子中的作者标签的数量，用最优雅的方法？我们假设每个作者只出现一次。

<root>
    <author>Tim</author>
    <author>Eva</author>
    <author>Martin</author>
    etc.
</root>

这个xml文件很简单，但作者不一定总是一个接一个地列出，可能中间会有其他标签。

Answer 1

在处理SGML/XML/HTML文本时，使用re模块要小心，因为并不是所有的操作都可以用正则表达式来完成（正则表达式无法解析SGML/HTML/XML文本）

不过，在这个特定的问题上，我觉得是可以的（使用re.DOTALL是必须的，因为一个元素可能会跨越多行；除此之外，我想不出还有什么其他可能的问题）

from time import clock
n= 10000
print 'n ==',n,'\n'



import lxml.etree
doc = lxml.etree.parse('xml.txt')

te = clock()
for i in xrange(n):
    countlxml = doc.xpath('count(//author)')
tf = clock()
print 'lxml\ncount:',countlxml,'\n',tf-te,'seconds'



import re
with open('xml.txt') as f:
    ch = f.read()

regx = re.compile('<author>.*?</author>',re.DOTALL)
te = clock()
for i in xrange(n):
    countre = sum(1 for mat in regx.finditer(ch))
tf = clock()
print '\nre\ncount:',countre,'\n',tf-te,'seconds'

结果

n == 10000 

lxml
count: 3.0 
2.84083032899 seconds

re
count: 3 
0.141663256084 seconds

Answer 2

使用一个XPath，配合count函数。

Answer 3

如果你想要统计所有的作者标签：

import lxml.etree
doc = lxml.etree.parse(xml)
count = doc.xpath('count(//author)')