有没有一种优雅的方法可以在python中使用lxml来计算xml文件中的标签元素？

Question

我可以将 xml 文件的内容读取为字符串并使用字符串操作来实现此目的，但我想有一种更优雅的方法来实现此目的。由于我没有在文档中找到线索，因此我在这里进行了搜索：

给定一个 xml（见下文）文件，如何计算 xml 标签，例如 作者标签的计数下面的例子是最优雅的方式？我们假设每个作者只出现一次。

<root>
    <author>Tim</author>
    <author>Eva</author>
    <author>Martin</author>
    etc.
</root>

这个 xml 文件很简单，但有可能作者并不总是依次列出，他们之间可能还有其他标签。

Answer 1

如果您想计算所有作者标签：

import lxml.etree
doc = lxml.etree.parse(xml)
count = doc.xpath('count(//author)')

Answer 2

将 XPath 与 计数。

Answer 3

使用模块 re 处理 SGML/XML/HTML 文本时必须小心，因为并非所有此类文件的处理都不能使用正则表达式执行（正则表达式无法解析< /strong> SGML/HTML/XML 文本）

但是在这里，在这个特定问题中，在我看来这是可能的（re.DOTALL 是强制性的，因为一个元素可能会扩展超过一行；除此之外，我不能想象任何其他可能的陷阱）

from time import clock
n= 10000
print 'n ==',n,'\n'



import lxml.etree
doc = lxml.etree.parse('xml.txt')

te = clock()
for i in xrange(n):
    countlxml = doc.xpath('count(//author)')
tf = clock()
print 'lxml\ncount:',countlxml,'\n',tf-te,'seconds'



import re
with open('xml.txt') as f:
    ch = f.read()

regx = re.compile('<author>.*?</author>',re.DOTALL)
te = clock()
for i in xrange(n):
    countre = sum(1 for mat in regx.finditer(ch))
tf = clock()
print '\nre\ncount:',countre,'\n',tf-te,'seconds'

结果

n == 10000 

lxml
count: 3.0 
2.84083032899 seconds

re
count: 3 
0.141663256084 seconds