Как бы вы прочитали файл XML, используя sax, и преобразовали его в элемент etree.iterparse lxml?
Чтобы дать общее представление о проблеме, я создал инструмент загрузки XML, используя lxml для XML-потока размером от 25 до 500 МБ, который необходимо принимать два раза в день, но необходимо выполнять один раз. время приема файла размером 60–100 ГБ.
Я решил использовать lxml на основе спецификаций, согласно которым размер узла не должен превышать 4–8 ГБ, что, как я думал, позволит считывать узел в память и очищать его по завершении.
Обзор, если код приведен ниже.
elements = etree.iterparse(
self._source, events = ('end',)
)
for event, element in elements:
finished = True
if element.tag == 'Artist-Types':
self.artist_types(element)
def artist_types(self, element):
"""
Imports artist types
:param list element: etree.Element
:returns boolean:
"""
self._log.info("Importing Artist types")
count = 0
for child in element:
failed = False
fields = self._getElementFields(child, (
('id', 'Id'),
('type_code', 'Type-Code'),
('created_date', 'Created-Date')
))
if self._type is IMPORT_INC and has_artist_type(fields['id']):
if update_artist_type(fields['id'], fields['type_code']):
count = count + 1
else:
failed = True
else:
if create_artist_type(fields['type_code'],
fields['created_date'], fields['id']):
count = count + 1
else:
failed = True
if failed:
self._log.error("Failed to import artist type %s %s" %
(fields['id'], fields['type_code'])
)
self._log.info("Imported %d Artist Types Records" % count)
self._artist_type_count = count
self._cleanup(element)
del element
Дайте мне знать, если я могу добавить какие-либо пояснения.