python - 如何检查这两个 XML 文件是否与 Python 等效？

Question

如何检查两个 XML 文件是否等价？

例如，尽管顺序不同，但两个 XML 文件是相同的。我需要检查这两个 XML 文件是否包含相同的文本信息而不考虑顺序。

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

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

有没有这方面的工具？

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 标签根本不重要，你只关心内容 word )，你可以只做一组文本节点每个文件，并比较集。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())

您甚至可能想忽略空白节点，执行如下操作:

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，但某事发生的次数很重要，则可以使用字典而不是集合，并跟踪出现的次数(例如，在 python 2.7 中使用 collections.defaultdict() 或 collections.Counter)

但是，如果只有根元素的直接子元素(在您的例子中是 a 元素的子元素)的顺序可能会被忽略，而这些元素中的所有内容确实很重要，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，我不知道这是否规范化足以满足您的需要)。

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:为了让示例更简单，我使用了 lxml 的开发版本，在旧版本中，没有 method='c14n'对于 etree.tostring() , 只有一个 c14n() ElementTree 上的方法，它写入类似文件的对象。所以要让它在那里工作，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，可能不推荐使用这种方法。

但再次提醒:一个重要警告:您真的必须知道您需要什么作为“等效”，并根据这些知识创建您自己的解决方案!