【发布时间】：2011-12-22 18:37:21
【问题描述】：
多年来，我一直在使用 minidom 解析 XML。现在我突然了解了元素树。我的问题是更好解析？那就是：
- 哪个更快？
- 哪个使用更少的内存？
- 是否有任何需要担心的 O(n^2) 依赖项？
- 是否正在贬值以支持另一个？
为什么我们有两个接口？
谢谢。
【问题讨论】：
标签： python xml-parsing elementtree minidom
【发布时间】：2011-12-22 18:37:21
【问题描述】：
Python 有两个接口可能是因为 Element Tree 在 minidom 出现之后很晚才被集成到标准库中。其原因可能是它比 W3C 控制的 DOM 更“Pythonic”的 API。
如果您关心速度，还有lxml，它使用 libxml2 构建与 ElementTree 兼容的 DOM，并且应该非常快——他们有一个基准套件，可以与 ElementTree 的 Python 和 C 实现进行比较。
如果您担心内存使用，则无论如何都不应该使用树 API； PullDOM 可能是更好的选择，但我是根据使用 Java 出色的 pull 解析器的经验推断的——目前关于 PullDOM 的信息似乎并不多。
【讨论】：
用于 XML 解析的 DOM 和 Sax 接口是使用 XML 的经典方法。 Python 必须提供这些接口，因为它们是众所周知且标准的。
ElementTree 包旨在提供更 Pythonic 的界面。这一切都是为了让程序员更轻松。
根据您的构建，它们中的每一个都有一个底层 C 实现，使它们运行得更快。
以上工具均未弃用。它们各有优点（例如，Sax 不需要将整个输入读入内存）。
还有一个名为lxml 的第三方模块，这也是一个流行的选择（功能齐全且速度快）。
【讨论】：
-
如果您对元素有性能问题，可以使用 lxml，它提供了兼容的接口，但在后台使用了久经考验、高度优化的 C 库。
-
ElementTree 是“更多 Pythonic”，主要是因为您说 myNode[3] 而不是 myNode.childNodes[3] 来获取第二个孩子。调整任何 DOM 实现都需要 2 行代码，因此您可以做同样的事情。更重要的是，ElementTree 对待文本内容的方式与几乎所有其他工具都大不相同，并使一些常见任务变得更加困难。例如，要收集所有文本，您不仅要递归，还要从每个节点中获取 2 属性（元素开头的文本与子元素之后的文本存储方式不同！ )