我正在使用lxml etree.parse解析一个巨大的XML文件(大约65MB-300MB).
当我运行包含以下功能的独立python脚本时,出现内存分配失败:
Error:
Memory allocation failed : xmlSAX2Characters, line 5350155, column 16
部分功能代码:
def getID():
try:
from lxml import etree
xml = etree.parse(<xml_file>) # here is where the failure occurs
for element in xml.iter():
...
result = <formed by concatenating element texts>
return result
except Exception, ex:
<handle exception>
奇怪的是,当我在IDLE上输入相同的函数并测试了相同的XML文件时,我没有遇到任何MemoryAllocation错误.
关于这个问题有什么想法吗?提前致谢.
解决方法:
我将改用iterative parser解析文档,对完成的任何元素调用.clear();这样,您就不必一次将整个文档加载到内存中.
您可以将迭代解析器限制为仅对您感兴趣的标记.如果您只想解析< person>标签,这样告诉您的解析器:
for _, element in etree.iterparse(input, tag='person'):
# process your person data
element.clear()
通过清除循环中的元素,可以将其从内存中释放出来.