我有一些非常大的XML文件(每个大约100-150MB)。你知道吗
我的XML中的一个元素是M
(代表member),它是HH
(househouse)的子元素-
也就是说,每个家庭都有一个或多个成员。你知道吗
我需要做的是把满足某些条件的所有成员(条件可以改变,可以是家庭成员,也可以是家庭成员——例如,只有来自高收入家庭的成员(对家庭的限制),世卫组织的年龄在18-49岁之间(对成员的限制))——并在一个相当复杂的函数中进一步处理它们。你知道吗
这就是我要做的:
import lxml.etree as ET
all_members=[]
tree=ET.parse(whole_path)
root=tree.getroot()
HH_str='//H' #get all the households
HH=tree.xpath(HH_str)
for H in HH:
'''check if the hh satisfies the condition'''
if(is_valid_hh(H)):
M_str='.//M'
M=H.xpath(M_str)
for m in M:
if(is_valid_member(m)):
all_members.append(m)
for member in all_members:
'''do something complicated'''
问题是它占用了我所有的内存(我有32GB)! 如何更有效地迭代xml元素?你知道吗
任何帮助都将不胜感激。。。你知道吗
etree
将消耗大量内存(是的,即使使用iterparse()
),而且sax
非常笨拙。但是,pulldom
去救援!你知道吗这是一个图书馆,似乎没有人不必使用它知道。文档,例如https://docs.python.org/3.7/library/xml.dom.pulldom.html
相关问题 更多 >
编程相关推荐