salvataggio di un oggetto 'lxml.etree._ElementTree'

Question

Ho passato gli ultimi due giorni a cogliere le nozioni di base di lxml; in particolare utilizzando lxml.html per analizzare i siti Web e creare un ElementTree del contenuto. Idealmente, voglio salvare l'ElementTree restituito in modo che possa caricarlo e sperimentarlo, senza dover analizzare il sito ogni volta che modifico il mio script. Supponevo che il decapaggio fosse la strada da percorrere, tuttavia ora sto cominciando a chiedermi. Anche se sono in grado di recuperare un oggetto ElementTree dopo il decapaggio ...

type(myObject) 

rendimenti

<class 'lxml.etree._ElementTree'> 

l'oggetto stesso sembra essere 'vuoto', dal momento che nessuno del metodo successiva/attributo chiama faccio su di esso produce qualsiasi output.

La mia ipotesi è che il decapaggio non sia appropriato qui, ma qualcuno può suggerire un'alternativa?

(Nel caso in cui le cose, quanto sopra sta accadendo in: python3.2, lxml 2.3.2, snow-Leopard))

Answer 1

Si sta già lavorando con XML e lxml è ottimo per l'analisi di XML. Quindi penso che la cosa più semplice da fare sarebbe quella di serializzare in XML:

Per scrivere su file:

import lxml.etree as ET 

filename = '/tmp/test.xml' 
myobject.write(filename) 

per chiamare il metodo write, notare che myobject deve essere un lxml.etree._ElementTree. Se è un lxml.etree._Element, allora è necessario myobject.getroottree().write(filename).

per analizzare dal nome del file/percorso, oggetto file o URL:

myobject = ET.parse(file_or_url) 

per analizzare da stringa:

myobject = ET.fromstring(content) 

Answer 2

Io non credo che si possa salamoia casi lxml, ma quello che ho fatto, perché Mi trovavo in una situazione simile in cui ho sottoposto a picking le istanze dell'oggetto che avrebbero costruito l'albero.

Ogni istanza e il relativo child avevano una funzione per creare l'albero Element. Quindi vorrei semplicemente mettere sottochiave/cache nell'oggetto Python, recuperarlo dalla cache e chiamare le funzioni di compilazione per ottenere il mio albero Element.

Answer 3

lxml è una libreria C - libxml per la precisione - e l'oggetto probabilmente non supporta il decapaggio di Python o qualsiasi altro tipo di serializzazione - tranne la serializzazione in XML.

Quindi dovresti tenerli in memoria, o ri-analizzare i frammenti XML di cui hai bisogno, suppongo.