Python：用多处理替换 xml 元素

Question

我有两个不同的 .xml 文件，我想创建一个程序，用 2.xml 中的子项替换 1.xml 中的子项
1.xml 看起来像这样：

<CATALOG>
   <ITEM>
      <COLOR>11</COLOR>
      <COLORNAME>Black</COLORNAME>
   </ITEM>
   <ITEM>
      <COLOR>41</COLOR>
      <COLORNAME>Aqua</COLORNAME>
   </ITEM>
   <ITEM>
      ...
   </ITEM>
</CATALOG>

2.xml 看起来像这样：

<CODES>
   <ITEM>
      <ITEMTYPE>P</ITEMTYPE>
      <ITEMID>44</ITEMID>
      <COLOR>Black</COLOR>
   </ITEM>
   <ITEM>
      <ITEMTYPE>P</ITEMTYPE>
      <ITEMID>44</ITEMID>
      <COLOR>Blue</COLOR>
   </ITEM>
   <ITEM>
      ...
   </ITEM>
</CODES>

我的目标是得到一个 3.xml 文件，它应该如下所示：

<CODES>
   <ITEM>
      <ITEMTYPE>P</ITEMTYPE>
      <ITEMID>44</ITEMID>
      <COLOR>11</COLOR>
   </ITEM>
   <ITEM>
      <ITEMTYPE>P</ITEMTYPE>
      <ITEMID>44</ITEMID>
      <COLOR>7</COLOR>
   </ITEM>
   <ITEM>
      ...
   </ITEM>
</CODES>

我现在编写了一个脚本，将 1.xml 的 <COLOR> 更改为 2.xml 的 <COLOR>，并将 2.xml 中的 <COLORNAME> 与 1.xml 中的 <COLOR> 进行比较

import xml.etree.ElementTree as ET

codes = ET.parse('./datasets/1.xml')
root_codes = codes.getroot()

colors = ET.parse('./datasets/2.xml')
root_colors = colors.getroot()
done=0

for colorname in root_codes.findall('ITEM'):
    codes_color_name = colorname.find('COLOR').text
    for color in root_colors.iter('ITEM'):
        color_name = color.find('COLORNAME').text
        if codes_color_name == color_name:
            color_id = color.find('COLOR').text
            colorname.find('COLOR').text = str(color_id)
            codes.write('3.xml')
            done=done+1
    print(done)

我尝试使用 1.xml 的精简版本，它似乎可以工作。由于这真的很慢（1.xml ~300k 行和 2.xml ~3k 行）我尝试使用多处理，这就是我想出的：

import xml.etree.ElementTree as ET
from multiprocessing import Pool
import multiprocessing
import os

codes = ET.parse('./datasets/1.xml')
root_codes = codes.getroot()

colors = ET.parse('./datasets/2.xml')
root_colors = colors.getroot()

def process_item(colorname):
    codes_color_name = colorname.find('COLOR').text
    for color in root_colors.iter('ITEM'):
        color_name = color.find('COLORNAME').text
        if codes_color_name == color_name:
            color_id = color.find('COLOR').text
            colorname.find('COLOR').text = str(color_id)
            codes.write('3.xml')
            break
if __name__ == '__main__':
    pool = Pool(os.cpu_count())
    pool.map(process_item, root_codes.findall('ITEM'))

我用 1.xml 的精简版试过这个，它基本上吐出相同的文件，没有任何改变。有没有更有效的方法来做到这一点，或者我使用多处理的方式有什么问题？

Answer 1

使用多处理是另一回事。让我们首先专注于优化它。

代码在这里的工作方式实际上是做了很多不必要的处理，比如每次从 1.xml 中查找颜色的值，同时可以预先存储和使用。另外，在更新时，每次都在 2.xml 中查找要更新的颜色，这里可以避免这两种搜索，只需简单的遍历即可解决问题。

因此，可以做些什么来实现这一点，即维护一对字典（color_name，color_code）。这个 dict 可以通过完全遍历 1.xml 一次来完成，然后在准备好这个 dict 之后，可以遍历 2.xml 的元素，并且可以从 dict 中获取每个元素的颜色代码值，并在更新所有的颜色代码之后2.xml的元素可以存储在3.xml中

import xml.etree.ElementTree as ET

codes = ET.parse('./datasets/1.xml')
root_codes = codes.getroot()

colors = ET.parse('./datasets/2.xml')
root_colors = colors.getroot()
done=0

color_code_dict = {}
for color_item in root_colors.iter('ITEM'):
    color_code = color_item.find('COLOR').text
    color_name = color_item.find('COLORNAME').text
    color_code_dict[color_name] = color_code


for code_item in root_codes.iter('ITEM'):
    code_color = code_item.find('COLOR').text
    code_item.find('COLOR').text = color_code_dict.get(code_color)

codes.write('3.xml')
print("Done")

P.S.：确保从写入文件中获取颜色和代码。