我有一个大的xml文件(100GB或更大),其中包含无序记录,如下所示:
<page id = "1">content 1</page>
<page id = "2">...</page>
<page id = "2">...</page>
... many other pages ...
<page id = "1">content 2</page>
... many other pages ...
我必须以只读模式访问数据,但按页分组:
<page id = "1">
content1
content2
...
</page>
<page id = "2">
...
...
</page>
...other pages...
页面不能按id排序
现在,我的解决方案需要预处理xml,对于每个页面:
对我来说,问题是处理大量页面需要创建数百万个文件,这当然不是很好。你知道吗
我的问题是是否可以使用某种存档文件(就像tar或zip)来序列化我的所有数据。优点是只有一个包含所有数据的大文件,可以按顺序读取,因此不一定需要压缩。你知道吗
我更喜欢避免使用数据库,因为我的软件应该是独立的,我更喜欢使用python。你知道吗
谢谢你
里卡多
我建议您使用python标准库中的
sqlite3
模块。单个sqlite数据库文件可以保存
128TB
数据,即>>200GB
。管理所有这些数据比管理数百万个文件方便多了。你知道吗
相关问题 更多 >
编程相关推荐