在 Python 中修改 gzip xml 文件（Adobe Premiere Pro 项目文件）的更快方法？答案

【问题标题】：Faster way to modify gzip xml file (Adobe Premiere Pro project file) in Python?在 Python 中修改 gzip xml 文件（Adobe Premiere Pro 项目文件）的更快方法？
【发布时间】：2020-01-09 19:54:20
【问题描述】：

这是我在业余时间潜伏和玩 python 几年后在 stackoverflow 社区的第一篇文章。我编写了一个脚本来修改 Adobe Premiere Pro 文件，以便将它们降级到“版本 1”。这允许用户在旧版本的程序中打开新的项目文件。

现在，要明确的是，这已经完成了。 stackoverflow 和 Adobe 论坛上有几个人发布了这个问题的问题和解决方案。我的问题与使用 python gzip 模块和 BeautifulSoup 与 lxml 解析器解压缩和修改 xml 文件的速度/效率有关。

代码如下：

# Assume I've done all the imports like gzip, bs4, pathlib, sys, etc.
#
def downgrade(prproj_in):  # Main functionality of the program. Downgrades target prproj files.
"""
Shortened the docstring to save reading...
"""
new_version = '1'
root, ext = os.path.splitext(prproj_in)  # Checking if file extension is correct.
new_name = (root + '_DOWNGRADED' + '(v.' + str(new_version) + ').prproj')

try:
    if ext != '.prproj':
        print('Invalid filetype. Must have valid .prproj extension.')
        # If not a valid Adobe Premiere file, exit.
    elif os.path.exists(new_name):
        print('Output file already exists at this location. Please move or rename.')
    else:  # Otherwise... continue on to unzip and parse the xml file with BeautifulSoup.
        with tqdm(total=100) as pbar:  # Initialize progress bar.
            with gzip.open(prproj_in, 'rt') as f:  # Decompress project file and open...
                file_content = f.read()  # Put file contents into variable as string text
                soup = BeautifulSoup(file_content, 'xml')  # create soup object
                print('Current project version: ' +
                      soup.Project.find_next()['Version'])  # Printing current project version.
                soup.Project.find_next()['Version'] = new_version  # Change project version number to 1
                print('Downgraded project version to: ' +
                      str(soup.Project.find_next()['Version']))  # Print new current version.
                pbar.update(80)
                with gzip.open(new_name, 'wt') as f_out:
                    f_out.write(str(soup))  # Turn soup object to string for final writing to gzip file.
                    pbar.update(100)
                    print('Downgrade Complete. New file: ' + new_name)  # Change file extension.
except:
    exception = sys.exc_info()
    handle_exceptions(exception[0])

这里是解压后的.prproj文件的开头，相关属性我需要修改：

<?xml version="1.0" encoding="UTF-8" ?>
    <PremiereData Version="3">
        <Project ObjectRef="1"/>
        <Project ObjectID="1" ClassID="62ad66dd-0dcd-42da-a660-6d8fbde94876" Version="30">

此代码在只有几 MB（解压缩前）的项目文件上运行良好，但在文件大小达到 60、70 或 80 MB 时运行最多需要 10 分钟。我目前正在制作一部 indy 纪录片，其中我的项目文件在压缩时超过 100 MB，在解压缩时高达 1.6 GB。我在配备 128 GB RAM 和 3 GHz Xeon 处理器的 iMac Pro 上运行此脚本。

我在 GitHub 上测试了一些其他脚本，它们在处理大型项目文件时似乎表现出类似的行为。

很想听听一些关于如何解决这个问题的想法。谢谢！

【问题讨论】：

标签： python-3.x xml beautifulsoup gzip lxml

【解决方案1】：

@Alfe，感谢您的想法！通过使用正则表达式重写 xml 解析步骤，我自己解决了这个问题。在此之前我没有深入研究过正则表达式，但我发现它的运行速度比 Beautiful Soup 解析器快一个数量级。

我修改后的代码在 github 上： https://github.com/snorkem/prproj_downgrade/blob/master/prproj_downgrade.py

【讨论】：

【解决方案2】：

如果我理解正确（如果我错了，请纠正我），您想更改压缩文件开头的一部分。

如果这是正确的，那么文件的未压缩版本是 XML 文件并不重要。唯一重要的是您想在压缩文件的开头进行一些更改。

这总是很难实现的。压缩算法会根据较早的信息存储后面的信息，因此仅更改开头也会更改后面的部分，或者反过来说：在开头更改部分需要还要更改压缩文件的其余部分，以免更改文件未压缩版本的其余部分。

在您的情况下，我担心您将不得不解压缩整个文件，更改它，然后再次压缩它。为避免这种情况，您需要更改项目的体系结构，以便文件的开头和其余部分彼此分开存储，例如。 G。在两个不同的文件中。当需要 XML 信息时，使用软件需要将这两个文件拼接在一起。

如果您选择第一个选项并解压缩→更改→重新压缩文件，那么您可以通过管道执行此操作，这样您就可以一步完成。如果您需要更多建议，请随时就该主题提出另一个问题（并从此处的评论链接到新问题）。

【讨论】：