Python:读取文件时创建各种文件对象

Question

我正在阅读一个大文件，其中包含各种 <xml>..</xml>元素。由于每个 XML 解析器都遇到了这个问题，我想为每个 <xml>..</xml> 生成有效的新文件对象。 block 。

我开始在 Python 中对文件对象进行子类化，但陷入了困境。我想，我必须拦截以 </xml> 开头的每一行并返回一个新的文件对象；也许通过使用 yield .

有人可以指导我朝正确的方向迈出这一步吗？

这是我当前的代码片段:

#!/bin/bash/env python

from lxml import etree
from StringIO import StringIO

class handler(file):
  def __init__(self, name, mode):
    file.__init__(self, name, mode)

  def next(self):
    return file.next(self)

  def listXmls(self):
    output = StringIO()
    line = self.next()
    while line is not None:
      output.write(line.strip())
      if line.strip() == '</xml>':
        yield output
        output = StringIO()
      try:
        line = self.next()
      except StopIteration:
        break
    output.close()

f = handler('myxml.xml', 'r')
for elem in f.listXmls():
  print 'm' + elem.getvalue() + 'm'
  context = etree.iterparse(elem, events=('end',), tag='id')
  for event, element in context:
    print element.tag

谢谢!

解决方案(仍然对更好的版本感兴趣):

#!/bin/bash/env python

from lxml import etree
from StringIO import StringIO

class handler(file):
  def __init__(self, name, mode):
    file.__init__(self, name, mode)

  def next(self):
    return file.next(self)

  def listXmls(self):
    output = StringIO()
    output.write(self.next())
    line = self.next()
    while line is not None:
      if line.startswith('<?xml'):
        output.seek(0)
        yield output
        output = StringIO()
      output.write(line)
      try:
        line = self.next()
      except StopIteration:
        break
    output.seek(0)
    yield output

f = handler('myxml.xml', 'r')
for elem in f.listXmls():
  context = etree.iterparse(elem, events=('end',), tag='id')
  for event, element in context:
    print element.tag

Answer 1

虽然不是直接回答您的问题，但这可能会解决您的问题:只需添加另一个 <xml>在开始和另一个 </xml>最后可能会让您的 XML 解析器接受该文档:

from lxml import etree
document = "<xml>a</xml> <xml>b</xml>"
document = "<xml>" + document + "</xml>"
for subdocument in etree.XML(document):
    # whatever