Python學習筆記-XML大檔案的XSD驗證方法

先說說需求，因為和客戶合作，對方要求按規定的XML格式（通過XML Schema）來提供資料。本身XML驗證沒什麼問題的，但是當XML的檔案很大時，我們現在是100M左右。你如何去確認產生的XML是否符合XSD檔案的定義呢。用人眼睛去看，這可是幾十萬條資料，肯定只能通過XML自身的驗證機制來處理了。
XML的格式驗證方法就這幾個，如果你的檔案只有幾M，這個可以通過XMLSPY、XMLPAD,這些工具都可以驗證。但這個100M的檔案，這些工具都沒辦法開啟。
對方公司是linux的，linux有xmllint –schema *.xsd *.xml > /dev/null 可以用來驗證。鬱悶的是我用Windows，沒辦法就只能自己寫代碼了。

發現Python2.5沒有庫支援XML Schema。只能找第三方的，最後找到的就是這個lxml（辛苦的，花了兩天時間折騰這個）
1：http://codespeak.net/lxml/
2：直接提供驗代碼：
#!/usr/bin/env python
#coding=gb2312
from lxml import etree
import timeit

def CheckXML():
xmlschema_doc = etree.parse(”local_feed.xsd.xml”)
xmlschema = etree.XMLSchema(xmlschema_doc)
doc = etree.parse(”google-local0.xml”)
print xmlschema.validate(doc)
print >> open(”log.txt”,”w”), xmlschema.error_log

if __name__ ==’__main__’:
print ’start…’
t = timeit.Timer(’CheckXML()’,'from __main__ import CheckXML’)
print t.repeat(1,1)
print ‘end. any key exit…’
input()

Tips：

1. timeit 傳說中的Python自備電池。但覺得有些不是很好用，下次再具體說一下。
2. print >> 輸出重新導向。很方便直接將錯誤儲存成檔案
3. 還有就是lxml的這個Module的使用啦。這個module貌似比較強大。python官方的下載也是最高的，以後再進一步學習吧。
4. 用C#也寫了一個同樣的，發現C#大概不到60s，但lxml的方式要133s，liunx沒具體統計，但也慢的。這裡只是說一下實際情況，不討論原因。