xml.etree.ElementTreeiterparse（）仍在使用大量内存？

2024-10-02 08:28:17 发布

您现在位置：Python中文网/ 问答频道 /正文
8376 3

我一直在尝试使用iterparse来减少需要处理大型XML文档的脚本的内存占用。这里有一个例子。我编写了这个简单的脚本来读取一个TMX文件，并将它分割成一个或多个输出文件，不超过用户指定的大小。尽管使用了iterparse，但当我将886MB的文件拆分为100MB的文件时，脚本会耗尽所有可用内存（使用8MB中的6.5时，它会变得非常缓慢）。在

我做错什么了吗？为什么内存使用率这么高？在

#! /usr/bin/python
# -*- coding: utf-8 -*-
import argparse
import codecs
from xml.etree.ElementTree import iterparse, tostring
from sys import getsizeof

def startNewOutfile(infile, i, root, header):
    out = open(infile.replace('tmx', str(i) + '.tmx'), 'w')
    print >>out, '<?xml version="1.0" encoding="UTF-8"?>'
    print >>out, '<!DOCTYPE tmx SYSTEM "tmx14.dtd">'
    print >>out, roottxt
    print >>out, headertxt
    print >>out, '<body>'
    return out

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('-m', '--maxsize', dest='maxsize', required=True, type=float, help='max size (in MB) of output files')
    parser.add_argument(dest='infile', help='.tmx file to be split')
    args = parser.parse_args()

    maxsize = args.maxsize * 1024 * 1024

    nodes = iter(iterparse(args.infile, events=['start','end']))

    _, root = next(nodes)
    _, header = next(nodes)

    roottxt = tostring(root).strip()
    headertxt = tostring(header).strip()

    i = 1
    curr_size = getsizeof(roottxt) + getsizeof(headertxt)
    out = startNewOutfile(args.infile, i, roottxt, headertxt)

    for event, node in nodes:
        if event =='end' and node.tag == 'tu':
            nodetxt = tostring(node, encoding='utf-8').strip()
            curr_size += getsizeof(nodetxt)
            print >>out, nodetxt
        if curr_size > maxsize:
            curr_size = getsizeof(roottxt) + getsizeof(headertxt)
            print >>out, '</body>'
            print >>out, '</tmx>'
            out.close()
            i += 1
            out = startNewOutfile(args.infile, i, roottxt, headertxt)
        root.clear()

    print >>out, '</body>'
    print >>out, '</tmx>'
    out.close()

Tags： 文件importsizeargsrootoutinfileprint
1条回答
网友
1楼 · 发布于 2024-10-02 08:28:17

在相关问题中找到答案：Why is elementtree.ElementTree.iterparse using so much memory?

一个人不仅需要根。清除（），但是节点.清除（）在for循环的每次迭代中。但是，由于我们同时处理开始和结束事件，因此需要注意不要过早删除tu节点：

for e, node in nodes:
    if e == 'end' and node.tag == 'tu':
        nodetxt = tostring(node, encoding='utf-8').strip()
        curr_size += getsizeof(nodetxt)
        print >>out, nodetxt
        node.clear()
    if curr_size > maxsize:
        curr_size = getsizeof(roottxt) + getsizeof(headertxt)
        print >>out, '</body>'
        print >>out, '</tmx>'
        out.close()
        i += 1
        out = startNewOutfile(args.infile, i, roottxt, headertxt)
    root.clear()

相关问题 更多 >

    编程相关推荐

    热门问题