Question

如何检查两个XML文件是否相同？

例如，即使顺序不同，两个XML文件也是相同的。我需要检查两个XML文件是否包含相同的文本信息而不管订单。

<a>
   <b>hello</b>
   <c><d>world</d></c>
</a>

<a>
   <c><d>world</d></c>
   <b>hello</b>
</a>

那里有工具吗？

Answer 1

这完全取决于您对“等效”的定义。

假设你真的只关心文本节点（例如：你的例子中的d标签甚至不重要，你只关心内容word），你可以只做一套每个文档的文本节点，并比较集合。使用lxml，这可能看起来像：

from lxml import etree

tree1 = etree.parse('example1.xml')
tree2 = etree.parse('example2.xml')

print set(tree1.getroot().itertext()) == set(tree2.getroot().itertext())

您甚至可能想要忽略空白节点，执行以下操作：

set(i for i in tree.getroot().itertext() if i.strip())

请注意，使用集合意味着您不会考虑文档中某些文本出现的次数（这可能是您想要的，也可能不是）。如果顺序不重要，但出现的次数是，您可以使用字典而不是集合，并跟踪出现的次数（例如，使用collections.defaultdict()或collections.Counter python 2.7）

但是，如果它只是根元素的直接子元素的顺序（在您的情况下，a元素的子元素）可以被忽略，并且这些元素中的所有内容都非常重要，那么您将需要另一种方法。例如，您可以对每个子元素执行xml规范化，以获得每个子元素的规范化版本（同样，我不知道这是否足以满足您的需求）。

from lxml import etree

tree1 = etree.parse('example1.xml')
tree2 = etree.parse('example2.xml')

set1 = set(etree.tostring(i, method='c14n') for i in tree1.getroot())
set2 = set(etree.tostring(i, method='c14n') for i in tree2.getroot())

print set1 == set2

注意：为了使示例更简单，我使用了lxml的开发版本，在旧版本中，method='c14n'没有etree.tostring()，只有c14n()方法ElementTree，写入类文件对象。因此，为了让它在那里工作，你必须将每个元素复制到它自己的树中，并使用StringIO()对象作为虚拟文件）

此外，对于非常大的文件，可能不建议采用这种方式。

但又一次：一个很大的警告：你真的必须知道你需要什么作为“等价物”，并根据这些知识创建你自己的解决方案！

Answer 2

订购在XML中很重要，因此您提供的的两个文件不同。通常你可以规范化XML，然后简单地将文件作为文本进行比较，但是如果你想要对顺序不敏感的比较，你可能必须自己使用其中一个非常多的XML解析器来实现它（顺便说一句，我会推荐使用lxml））。

如何检查两个XML文件是否与Python等效？

2 个答案: