Question

我必须解析一个包含大量字符串值的XML文件。例如：

<value>Foo</value>
<value>Bar</value>
<value>Baz</value>
<value>Foo</value>

其中一些是平等的。有多个重复的字符串，而不仅仅是上面示例中的一个。因此，我想检测这些值，并将它们与XLink链接：在一个重复字符串的一个实例上创建一个引用（不必在第一个），并链接其余的（我可以使用） UUIDs），就像这里：

<value id="D5494447-A010-4F81-9DDA-E5DFFBD616FF">Foo</value>
<value>Bar</value>
<value>Baz</value>
<value href="#D5494447-A010-4F81-9DDA-E5DFFBD616FF"/>

我从XLinks开始，所以上面的内容可能没有意义。如果那是不可能的，另一种可能性是我可以创建一个包含这些值的字典：

{'D5494447-A010-4F81-9DDA-E5DFFBD616FF' : 'Foo'}

然后以某种方式将它们放入XML中。实现这些目标的最简单方法是什么？我不关心最有效的方法，只要该方法正确且易于实现，因为我是Python初学者而不是计算机科学家，并且计算复杂性不是问题。解析和编写XML不是问题（我用lxml来解决），所以这里的问题只是检测重复的字符串及其链接。

Answer 1

一种方法是维护您之前看到的所有字符串的dict（从任意键到值的映射）。所以，让我们假设您处于变量val中的值，并且有一个最初为空的字典valdict。您需要的代码是这样的：

import uuid
if val in valdict: # We have seen this reference before
    print '<value href="#%s"/>' % valdict[val]
else:              # We need to add this reference
    valdict[val] = str(uuid.uuid4()).upper()
    print '<value id="%s">%s</value>' % (valdict[val], val)

我不会真的推荐这种简单的方法来形成XML iself，但听起来你已经做好了充分准备来处理这方面的事情。

使用Python查找和链接XML中重复字符串的最简单方法

1 个答案: