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内容的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树并在循环中比较它们
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某些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，只包含您关心比较的内容。比较两个文件时A.xml＆amp; B.xml，比较他们的A.cached和B.cached，如果丢失则生成它们并删除文件更改（或根据时间戳等重新生成）。生成成本将通过多次比较摊销，您不会迭代不必要的条目。

“.cached”的格式实际上取决于您关心的内容以及您需要的信息/背景。它甚至可能具有二进制表示