Question

我目前正在编写一个脚本，使用beautifulsoup解析xml网页。 xml文件的示例是here。该脚本基本上将输出第一个产品URL（来自每个＆＃39; loc＆＃39;标签），该URL匹配已输入的关键字列表。目前，脚本的控制流程如下：

将URL传递给汤对象并美化它
为每个url标记运行for循环，并将每个loc文本放入列表（inventory_url）
```
for item in soup.find_all('url'):
        inventory_url.append(item.find('loc').text)
```
遍历列表，并输出匹配所有关键字的第一个元素，其中＆＃39;关键字＆＃39;是输入的关键字列表
```
    for item in inventory_url:
        if all(kw in item for kw in keywords):
            return item
```

我想知道是否有办法让解析速度更快。我看过汤斯特拉斯，但是当我孤立的时候才找到了＃loc;＆＃39;标签，它也包含＆＃39; image：loc＆＃39;标签，我不需要。

非常感谢你。

Answer 1

如果您可以将文件作为简单文本流式传输，我认为正则表达式会非常快......

import re

pattern = re.compile(r'<url>[\S\s]*?<loc>([\S\s]*?)</loc>[\S\s]*?</url>')

for match in re.finditer(pattern, file.read()):
     #do stuff

[\S\s]*?是一种懒惰的方式来匹配字面上的任何东西，直到我们达到下一步。 ?对于不做这个休息至关重要。

Answer 2