Question

我有一个XML文件，我需要从中提取ID和标题字段（在页面标记下）。这就是我正在做的，它工作正常。但是，我对elem.find（'title）的三次调用感到不满意。是否有更好的方法可以通过理解避免这种情况？我知道在循环中写入将解决这个问题。

import xml.etree.ElementTree as ET
tree = ET.parse(some file)
root = tree.getroot()
id_title_list =  [(elem.find('id').text, elem.find('title').text)
                  for elem in root.findall('page')
                  if elem.find('title').text.startswith('string1') or
                     elem.find('title').text.startswith('string2')]

Answer 1

将其分解为正常循环并具有中间变量没有任何错误：

id_title_list = []
for elem in root.findall('page'):
    title = elem.find('title').text
    if title.startswith(('string1', 'string2')):
        id_title_list.append((elem.find('id').text, title))

请注意，startswith()支持将多个前缀作为元组传入。

另一种选择是在xpath表达式中进行startswith()检查：

id_title_list =  [(elem.find('id').text, elem.find('title').text)
                  for elem in root.xpath('//page[.//title[starts-with(., "string1") or starts-with(., "string2")])]']

请注意，这不适用于xml.etree.ElementTree，因为它仅提供对xpath表达式的有限支持。 lxml会处理此问题，只需将导入更改为：

from lxml import etree as ET

Answer 2

一种方式，尊重通过理解解决这一问题的要求：

id_title_list = [
    (elem.find('id').text, title)
        for elem, title in 
            (elem, elem.find('title').text for elem in root.findall('page'))
                if title.startswith(('string1', 'string2'))]

这使用内部生成器表达式来评估每个元素只有find一次。因为它是一个懒惰的评估生成器，它应该避免中间列表的开销。它还使用startswith的能力来获取可能的前缀元组，尽管一旦你只查找标题文本，那么简洁而不是速度。

所有这一切，我同意alexce的回答，for循环是一个更好的选择。

Answer 3

使用一些高阶函数和itertools：

from operator import methodcaller
from itertools import tee, imap, izip

# Broken down into lots of small pieces; recombine as you see fit.

# Functions for calling various methods on objects
# Example: find_id(x) is the same as x.find('id')
find_id = methodcaller('find', 'id')
find_title = methodcaller('find', 'title')
is_valid = methodcaller('startswith', ('string1', 'string2'))
get_text = attrgetter('text')

found = root.findall('page')   # The original results...
found_iters = tee(found, 2)    # ... split into two.

# Make two iterators resulting from calling `find` on each element...
ids_iter = imap(get_text, imap(find_id, found_iters[0]))
titles_iter = imap(get_text, imap(find_title, found_iters[1]))

# And recombine them into a single iterable of tuples.
id_title_pairs = izip(ids_iter, titles_iter)

# Resulting in a nice, simple list comprehension
id_title_list = [(id, title) 
                   for id, title in id_title_pairs if is_valid(title)]

Python：在理解中重复函数调用的更好解决方案

3 个答案: