Python学习笔记-XML大文件的XSD验证方法

pumaboyd

先说说需求，因为和客户合作，对方要求按规定的XML格式（通过XML Schema）来提供数据。本身XML验证没什么问题的，但是当XML的文件很大时，我们现在是100M左右。你如何去确认生成的XML是否符合XSD文件的定义呢。用人眼睛去看，这可是几十万条数据，肯定只能通过XML自身的验证机制来处理了。
XML的格式验证方法就这几个，如果你的文件只有几M，这个可以通过XMLSPY、XMLPAD,这些工具都可以验证。但这个100M的文件，这些工具都没办法打开。
对方公司是linux的，linux有xmllint --schema *.xsd *.xml > /dev/null 可以用来验证。郁闷的是我用Windows，没办法就只能自己写代码了。

发现Python2.5没有库支持XML Schema。只能找第三方的，最后找到的就是这个lxml（辛苦的，花了两天时间折腾这个,最好看个例子，写起来很快）
1：下载地址http://codespeak.net/lxml/
2：直接提供验代码：
#!/usr/bin/env python
#coding=gb2312
from lxml import etree
import timeit

def CheckXML():
    xmlschema_doc = etree.parse("local_feed.xsd.xml")
    xmlschema = etree.XMLSchema(xmlschema_doc)
    doc = etree.parse("google-local0.xml")
    print xmlschema.validate(doc)
    print >> open("log.txt","w"), xmlschema.error_log

if __name__ =='__main__':
    print 'start...'
    t = timeit.Timer('CheckXML()','from __main__ import CheckXML')
    print t.repeat(1,1)
    print 'end. any key exit...'
    input()

Tips：
1：timeit 传说中的Python自备电池。但觉得有些不是很好用，下次再具体说一下。
2：print >> 输出重定向。很方便直接将错误保存成文件
3：还有就是lxml的这个Module的使用啦。这个module貌似比较强大。python官方的下载也是最高的，以后再进一步学习吧。
4：用C#也写了一个同样的，发现C#大概不到60s，但lxml的方式要133s，liunx没具体统计，但也慢的。这里只是说一下实际情况，不讨论原因。