使用 Python 在 XML 中查找和链接重复字符串的最简单方法

Question

我必须解析一个包含大量字符串值的 XML 文件。例如：

<value>Foo</value>
<value>Bar</value>
<value>Baz</value>
<value>Foo</value>

其中一些是相等的。有多个重复出现的字符串，而不仅仅是上面示例中的一个。因此，我想检测这些值，并将它们与 XLink 链接：在重复字符串的一个实例中创建引用（不必在第一个），并链接其余的（我可以使用UUID），就像这里：

<value id="D5494447-A010-4F81-9DDA-E5DFFBD616FF">Foo</value>
<value>Bar</value>
<value>Baz</value>
<value href="#D5494447-A010-4F81-9DDA-E5DFFBD616FF"/>

我是从 XLinks 开始的，所以上面的内容可能没有意义。如果这不可能，另一种可能性是我可以创建一个包含此类值的字典：

{'D5494447-A010-4F81-9DDA-E5DFFBD616FF' : 'Foo'}

然后以某种方式将它们放入 XML 中。实现这些的最简单方法是什么？只要方法正确且易于实现，我不太关心最有效的方法，因为我是 Python 初学者而不是计算机科学家，计算复杂度不是问题。解析和编写 XML 不是问题（我用 lxml 解决了），所以这里的问题只是关于重复字符串的检测及其链接。

Answer 1

一种方法是维护您之前见过的所有字符串的 dict（从任意键到值的映射）。因此，让我们假设您在变量val 中有值，并且有一个最初为空的字典valdict。您需要的代码是这样的：

import uuid
if val in valdict: # We have seen this reference before
    print '<value href="#%s"/>' % valdict[val]
else:              # We need to add this reference
    valdict[val] = str(uuid.uuid4()).upper()
    print '<value id="%s">%s</value>' % (valdict[val], val)

我不会真的推荐这种简单的方法来形成 XML 本身，但听起来你已经准备好处理这方面的事情了。