用Python查找和链接XML中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>

他们中的一些人是平等的。有多个重复出现的字符串，而不是上面示例中的一个字符串。因此，我希望检测这些值，并用XLink链接它们：在循环字符串的一个实例上创建引用（不必在第一个实例上），并链接其余实例（我可以使用UUID），如下所示：

<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。如果不可能，另一种可能性是我可以创建一个包含以下值的字典：

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

然后把它们放到XML中。实现这些目标最简单的方法是什么？我不太关心最有效的方法，只要方法正确且易于实现，因为我是Python初学者，不是计算机科学家，计算复杂性不是问题。解析和编写XMLs不是一个问题（我用lxml解决了这个问题），所以这里的问题只是关于循环字符串及其链接的检测。你知道吗

Answer 1

一种方法是维护您以前看到的所有字符串的dict（从任意键到值的映射）。因此，假设您在变量val中有值，并且有一个dict valdict最初是空的。您需要的代码如下：

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)

我并不推荐使用这种简单的方法来构建xmlseiself，但听起来您已经准备好处理这方面的事情了。你知道吗