用lxml.iterparse两次解析相同的内容

Question

我不明白为什么这样做：

content = urllib2.urlopen(url)

context = etree.iterparse(content, tag='{my_ns}my_first_tag')
context = iter(context)
#for event, elem in context:
#     pass

context = etree.iterparse(content, tag='{my_ns}my_second_tag')
for event, elem in context:
     pass

如果这样做行不通的话：

content = urllib2.urlopen(url)

context = etree.iterparse(content, tag='{my_ns}my_first_tag')
context = iter(context)
for event, elem in context:
     pass

context = etree.iterparse(content, tag='{my_ns}my_second_tag')
for event, elem in context:
     pass

并给出了这个错误：

XMLSyntaxError: Extra content at the end of the document, line 1, column 1

我不能解析相同的内容两次吗？奇怪的是，当我只对循环进行注释，而不是整个迭代解析命令时，它就起作用了。

我错过什么东西了吗？

非常感谢

Answer 1

urllib2.urlopen为您提供了一个类似文件的对象，您可以使用该对象读取正在查询的URL的内容。

我在这里猜测，etree.iterparse返回一个可以迭代但在此之前根本不接触content的对象。在这种情况下，第一个循环是使用context来迭代content的内容，“消耗”数据。

当您创建第二个context时，您将传递相同的content，到那时它是“空的”。

编辑:当你要求修复的时候.一种方法是读取整个数据，然后将其分别传递给每个iterparse调用，使用StringIO作为类似文件的对象。例如：

from StringIO import StringIO

# ...

data = content.read()
context = etree.iterparse(StringIO(data), tag='{my_ns}my_first_tag')
# processing...
context = etree.iterparse(StringIO(data), tag='{my_ns}my_second_tag')
# processing...