Dotaz: Porovnání dvou XML souborů

[Andy]

Ahoj či dobrý den,

řeším porovnávání dvou 6MB XML souborů se stejnou strukturou, hledal jsem na netu a nenašel jsem řešení, které by se mi líbilo (např. přes diff, utility xmldiff a diffxml taky nefungovaly) a tak mě napadlo, že bych si to napsal, a teď co mi doporučíte. Napadl mě python, ale kvůli rychlosti přemýšlím nad C a knihovnou libxml2. C jsem už dlouho neviděl, ale jsem ochoten v rámci sebezlepšení na tom zamakat případně. Řešil někdo prosím něco podobného? Děkuji

---

---

Odpovědi

[Andy]

Zapomněl jsem napsat, že data v těch 2 souborech můžou být různá v různých místech.

[🇹🇬]

nóó kdybys to jakoby dělal přeci jenom v pythonu tak uplně supr na parsování je beautifulsoup hele ;D noa jestli to sou jakože fakt jenom dva soubory a ne děsně moc dvojic souborů tak asi jako neni moc důvod řešit jakej jako vzit jazyk jakože kuli optimalizaci rychlosti běhání prográmku ne?? :O :O

[Andy]

díky za tip, zkusim na to mrknout

[mimi.vx]

stale lepsi bude nejaka knihovna typu lxml ... prece jen BS4 je zamerena n neco jineho...

[🇹🇬]

beautifulsoup umí lxml jakoby použít jako parser hele a hele :O ;D

[OldFrog {Ondra Nemecek}]

Převeď do kanonické formy (xmllint --c14n neco.xml) a pak udělej normální textový diff.

[iq8]

Dobrý den Když dojde k převedení XML do kanonické formy tak se přehodí pořadí elementů? Myslel jsem, že to pouze jakoby vymaže neviditelné znaky a konce řádků. Jestli tohle bude fungovat tak mi to vyřeší obdobný problém jako má kolega.

[Bherzet]

Ne, spletl jsem se. Myslel jsem si, že to elementy abecedně seřadí, ale ono by to ani nedávalo smysl, protože třeba u XHTML by to úplně změnilo význam.

No, možná to pod tom převodu do kanonické formy prostě ještě prohnat | sort (když jde jen o porovnání).

[Kuku]

Proc porovnavat primo XML? 6MB nic neni. Ja bych si oba soubory nacetl do nejaky struktury v pameti - treba staci obyc pole a rekurzivne porovnaval polozky.

[🇹🇬]

noa stejně skončíš u toho žesi budeš psát nějakej svuj *.xml parser. proč jako nepužít nějakej vověřenej hotovej už?? :O :D ;D ;D

[Kuku]

Kdo rika o psani xml parseru? Vetsina jazyku snad proboha ma nacteni XML do struktury, ne?

[OldFrog {Ondra Nemecek}]

Pro interaktivní porovnání by stačilo:

# xmllint --format a.xml > a-formatted.xml
# xmllint --format b.xml > b-formatted.xml
# colordiff a-formatted.xml b-formatted.xml 
# meld      a-formatted.xml b-formatted.xml 

Pro programové zpracování použít jiné hotové nástroje:

• https://pypi.org/project/xmldiff/
• https://github.com/Shoobx/xmldiff
• ...