python - 加快读取xml文件的速度

我有一个专利文件，该文件是一个文本文件中xml文件的串联字符串。我正在将其拆分成单独的文档，每个文档都是一个xml文件。我的代码有效，但是我需要加快速度。我的代码是这样的：

import time

count = 0

filestr = ''

line = 'x'

start_time = time.time()
with open('C:/Users/RNCZF01/Documents/Cameron-Fen/Economics-Projects/Patent-project/similarity/Patents/ipg121225.xml') as txtfile:
while line:
    line = txtfile.readline()
    if '<?xml version="1.0" encoding="UTF-8"?>' in line:
        filestr = str(count) + '.xml'
        count += 1

    with open('C:/Users/RNCZF01/Documents/Cameron-Fen/Economics-Projects/Patent-project/similarity/Patents/2012-12-25/' + filestr, 'ab') as textfile:
        textfile.write(line)
        textfile.write('\n')

print("--- %s seconds ---" % (time.time() - start_time))

我可以想到的一种优化是if语句。它检查该行是否包含xml标头：<?xml version="1.0" encoding="UTF-8"?>。如果我可以检查该行是<?xml version="1.0" encoding="UTF-8"?>而不是仅包含它，则可能会明显更快。但是，当我写if line == '<?xml version="1.0" encoding="UTF-8"?>':时，它没有接听。我是否需要在结尾加上\n或其他内容？您是否可以想到其他优化来加快此过程？谢谢，

卡梅伦

最佳答案

而不是检查每一行，您可能需要加载整个文件内容并执行python regex模式匹配器。这样，您只需调用方法findall（）就可以减少检查和获取所有匹配项的步骤。

这是文档链接-https://docs.python.org/3/howto/regex.html

关于python - 加快读取xml文件的速度，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38532805/