如何使用Python检查两个XML文件是否等价？

Question

如何检查两个XML文件是否相等？

例如，即使排序不同，这两个XML文件也是相同的。我需要检查这两个XML文件是否包含相同的文本信息，而忽略其顺序。

<a>
   <b>hello</b>
   <c><d>world</d></c>
</a>

<a>
   <c><d>world</d></c>
   <b>hello</b>
</a>

有没有相关的工具可用于此？

- prosseek

---

实际上，它们并不相同，因为XML通常还包含元素的顺序。因此，如果您想将其定义为“相同”，您可能需要编写自己的比较函数。 - poke

这些文件可能在语义上是等价的，也可能不是。您确定在您的情况下顺序不重要吗？在许多XML文件中，顺序很重要。 - Jon Skeet

@poke和@Jon：感谢您的评论，我已将标题从“相同”更改为“等效”。 - prosseek

Answer 1

一切都取决于您对“等效”的定义。

假设您只关心文本节点（例如：您的示例中的d标签甚至不重要，您只关心内容word），则可以创建每个文档的文本节点集并进行比较。使用lxml，代码如下：

from lxml import etree

tree1 = etree.parse('example1.xml')
tree2 = etree.parse('example2.xml')

print set(tree1.getroot().itertext()) == set(tree2.getroot().itertext())

你甚至可能想忽略空格节点，可以采取以下方式： ```python 你的代码示例 ``` ```javascript 你的代码示例 ```

set(i for i in tree.getroot().itertext() if i.strip())

请注意，使用集合意味着您将不考虑文档中某些文本出现的次数（这可能是您想要的，也可能不是）。如果顺序不重要，但出现次数重要，则可以使用字典代替集合，并跟踪出现次数（例如，在Python 2.7中使用collections.defaultdict()或collections.Counter）。

但是，如果只有根元素的直接子元素的顺序（在您的情况下，a元素的子元素）可以被忽略，并且这些元素内部的所有内容都很重要，则需要另一种方法。例如，您可以对每个子元素进行XML规范化，以获取每个子元素的规范化版本（同样，我不知道这是否足够规范化满足您的需求）。

from lxml import etree

tree1 = etree.parse('example1.xml')
tree2 = etree.parse('example2.xml')

set1 = set(etree.tostring(i, method='c14n') for i in tree1.getroot())
set2 = set(etree.tostring(i, method='c14n') for i in tree2.getroot())

print set1 == set2

注意：为了使示例更简单，我使用了lxml的开发版本，在旧版本中，etree.tostring()没有method='c14n'，只有一个在ElementTree上写入类似文件对象的c14n()方法。因此，在那里让它工作，您必须将每个元素复制到自己的树中，并使用StringIO()对象作为虚拟文件。同时，这种做法可能不适用于非常大的文件。

但是请注意：强烈警告 - 您必须确切知道您所需要的“等效”，并基于该知识创建自己的解决方案！

- Steven

Answer 2

在XML中，顺序很重要，因此您提供的这两个文件是不同的。通常，您可以将XML规范化，然后将文件作为文本进行比较，但如果您想进行无序比较，则可能需要使用其中之一的bazillion XML解析器自己实现它（顺便说一下，我推荐使用lxml）。

- Gintautas Miliauskas

---

如何规范化XML文件？谢谢。 - prosseek

规范化的想法是在XML中删除不重要的空格。有很多外部工具可以做到这一点，可能也有库支持。谷歌一下就知道了。 - Gintautas Miliauskas

在你的情况下，你可能还想按字母顺序重新排列<b>元素（或其他一些一致的排序方式），因为你想忽略它们的顺序。 - Lie Ryan

Answer 3

我的解决方案如下。比较所有属性，标签迭代。 一些代码参考自：Testing Equivalence of xml.etree.ElementTree

import xml.etree.ElementTree as ET


def elements_equal(e1, e2):
    if e1.tag != e2.tag: 
        return False
    if e1.text != e2.text: 
        if  e1.text!=None and e2.text!=None :
            return False
    if e1.tail != e2.tail:
        if e1.tail!=None and e2.tail!=None:
            return False
    if e1.attrib != e2.attrib: 
        return False
    if len(e1) != len(e2): 
        return False
    return all(elements_equal(c1, c2) for c1, c2 in zip(e1, e2))



def is_two_xml_equal(f1, f2):
    tree1 = ET.parse(f1)
    root1 = tree1.getroot()
    tree2 = ET.parse(f2)
    root2 = tree2.getroot()
    return elements_equal(root1,root3)

f1 = '2.xml'
f2 = '1.xml'
print(is_two_xml_equal(f1, f2))

- ybdesire