制作XML解析器fas

Question

我目前正在编写一个脚本，使用beautifulsoup解析xml网页。xml文件的一个例子是here。这个脚本基本上会输出第一个产品URL（来自每个loc标签），它与已经输入的关键字列表相匹配。当前，脚本的控制流如下所示：

• 将URL传递到一个soup对象并美化它

• 对每个url标记运行for循环，并将每个loc文本放入一个列表（inventory\u url）

  for item in soup.find_all('url'):
          inventory_url.append(item.find('loc').text)
  

• 遍历列表，并输出匹配所有关键字的第一个元素，其中“keywords”是输入的关键字列表

      for item in inventory_url:
          if all(kw in item for kw in keywords):
              return item
  

我想知道是否有一种方法可以使解析更快。我看过soupstrainer，但当我隔离到只找到'loc'标签时，它也接受了'图片：loc“标签，我不需要。你知道吗

非常感谢。你知道吗

Answer 1

你试过不同的解析器吗？https://www.crummy.com/software/BeautifulSoup/bs4/doc/#specifying-the-parser-to-use

另请参见中的提示： Speeding up beautifulsoup

Answer 2

如果你能以简单文本的形式传输文件，我想regex会很快。。。你知道吗

import re

pattern = re.compile(r'<url>[\S\s]*?<loc>([\S\s]*?)</loc>[\S\s]*?</url>')

for match in re.finditer(pattern, file.read()):
     #do stuff

[\S\s]*?是一种懒散的方法，在我们找到下一个目标之前，逐字匹配任何东西。?对于不打破这种局面至关重要。你知道吗