各位大大晚安，不才想请教两个问题<(_ _)> 我目前希望可以处理一份很巨大的xml，但是我手上的xml档没有树根！ 经过测试我发现会报错QAQQQ 我看到别人的解法好像是先把档案开启来，然後写入树根？ 但是我目前需要动态迭代，因为档案很大，无法一次存入记忆体， 我试着引用查到的程式码，我的程式目前长如下网址 http://codepad.org/bPqMyuly 感觉好像不适合用那种open然後加入树根的方式，不知道版上大大有好建议嘛？ 譬如怎麽跟着迭代动态写入树根？ 我的XML格式如下: <doc id="13" url="https:XXX" title="XX"> content 1 </doc> <doc id="15" url="https:XXX" title="XX"> content 2 </doc> 另外想问我希望搜寻文档中xml的content，然後如果我的keyword有出现在content中， 就回报我content的id，让我知道哪些content中有出现我的keyword， 我操作如下 先把xml分析出id和content之後，存入MySQL资料库， 再藉由SELECT id FROM table WHERE content = "%keyword%" 找出哪些文章出现我的关键字 这样子的操作会有问题嘛？譬如MySQL会搜很慢之类的？ 如果有问题，我怎样做比较好？ p.s我的关键字都是中文 -- 半壁河山半攻守 半争成败半悟道 许银川 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.163.141.34 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1526226246.A.D68.html 这样听起来，我需要自己用正规表达式判断是不是close tag，不能用现成套件Q 不是很擅长正规表达式的说QAQ 其实我有看到下面写html，但是我试着导入HTML之後，进行迭代依旧出错， 所以在想是不是html版并无迭代功能，当然也可能是我自己用错了>"< 待我研究一下此版本是否可以迭代运算，不然档案太大会吃不下，要边吃边释放 好，我研究一下，html系列好像真的没有iterparse函式， 有没有其他相应函式我不清楚... 我研究一下generator，刚刚直接执行，电脑差点当掉，还好我即时喊停>"< 不太清楚generator要如何搭配QAQQQ 您给予的程式在我稍做修改，加入正式大量数据时就会造成电脑当机 当在执行soap = BeautifulSoup(file, "lxml") 我猜测再这一步运行时，就会需要将整个档案导入，所以记忆体无法负荷， 而generator好像是在这步之後的步骤？ 怪怪的刚刚想贴程式码再测试时结果不一样了，没有当,但是只有输出一笔 然後soap = BeautifulSoup(fn, "lxml") 这边卡了很久 http://codepad.org/iLwM633k # 阿阿，我崩溃了╯-____-)╯~═╩════╩═~ 开了很久，手动加上root结果还是爆了，这不是那麽乾净的xml 直接把档案丢上来好了... 我发现BeautifulSoup在比较小那份可以跑，但是他默默的没有跑完就停了... 之後可能考虑真的一行一行读吧 https://drive.google.com/drive/folders/ 1hWUIROmnJE-GuSxc2079JmRwMF-zbQ9g?usp=sharing 短网址:https://goo.gl/X2seS3 有大神远端帮忙解好了，感谢您 <3 秉持互助原则把大神写好的清理程式放上来 perl版 http://codepad.org/7BzB36yW python版 http://codepad.org/FNZmO1pD 希望以後可以帮到更多需要的人^^ (大神如果您觉得不合适可以叫我撤下) ※ 编辑: st1009 (1.163.154.100), 05/16/2018 23:07:09