有效地比较python中的两个XML文件

Question

我正在尝试找到一种有效的方法来比较两个XML文件并处理python脚本中的差异.场景是我有两个类似于以下的XML文件:

<?xml version="1.0" encoding="UTF-8"?> 
<garage> 
    <car> 
        <color>red</color> 
        <size>big</size> 
        <price>10000</price>
    </car> 
    <car> 
        <color>blue</color> 
        <size>big</size> 
        <price>10000</price>

    <!-- [...] -->

    <car> 
        <color>red</color> 
        <size>big</size> 
        <price>11000</price>
    </car> 
    </car> 
</garage>

这些XML文件包含数千个小对象.文件本身大小约为5 MB.棘手的是,这两个文件中只有极少数条目不同,我只需要处理不同的信息.换句话说:我需要有效地(!)找出哪些条目已更改或已添加.不幸的是,XML文件还包含一些我根本不关心的可选条目.

我考虑了以下解决方案:

1. 将两个文件解析为DOM树并在循环中对它们进行比较
2. 将两个文件解析为集合并使用set.difference等运算符
3. 尝试将一些处理交给一些linux工具,如grep和diff

这里有没有人有这些方法的表现经验,可以指导我走进去的方向吗？

Answer 1

创建一个缓存的中间格式，其中仅包含您关心比较的内容。比较两个文件时，A.xml& B.xml，比较它们的A.cached和B.cached相反，如果丢失则生成它们并在文件更改时删除它们（或根据时间戳等重新生成）。生成成本将通过多次比较进行摊销，并且您不会迭代不必要的条目。

“ ”的格式.cached实际上取决于您关心的内容以及您需要多少信息/上下文。它甚至可能有二进制表示