PythonでXMLPullParserを使用してXMLストリーミングを解析する

Question

これは私の初めての質問です。私は初心者ですので、私の質問が馬鹿に聞こえる場合は申し訳ありません。 私はマシンからストリーミングデータに取り組んでいます：

requests.get('http://IP:port/sample?interval=0&heartbeat=1000', stream = True)

と私はXMLでデータを受信して​​います。これはXMLデータの構造です：

b'--9bc1ad19bf9e3b4049ab7e4f78dda451' 
b'Content-type: text/xml' 
b'Content-length: 15560' 
b'<?xml version="1.0" encoding="UTF-8"?>' 
b'<MTConnectStreams xmlns:m="urn:mtconnect.org:MTConnectStreams:1.3" xmlns="urn:mtconnect.org:MTConnectStreams:1.3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="urn:mtconnect.org:MTConnectStreams:1.3 http://www.mtconnect.org/schemas/MTConnectStreams_1.3.xsd">' 
b' <Header creationTime="2016-12-01T17:58:48Z" sender="MAZATROL-PC" instanceId="1480604825" version="1.3.0.17" bufferSize="131072" nextSequence="1301" firstSequence="1" lastSequence="42044"/>' 
b' <Streams>' 
b' <DeviceStream name="Mazak" uuid="Mazak">' 
b'  <ComponentStream component="Controller" name="controller" componentId="cont">' 
b'  <Samples>' 
b'   <AccumulatedTime dataItemId="yltime" timestamp="2016-12-01T15:45:15.662995Z" name="total_time" sequence="1214" subType="x:TOTAL">3104040</AccumulatedTime>' 
b'   <AccumulatedTime dataItemId="yltime" timestamp="2016-12-01T15:46:16.452858Z" name="total_time" sequence="1243" subType="x:TOTAL">3104101</AccumulatedTime>' 
b'   <AccumulatedTime dataItemId="yltime" timestamp="2016-12-01T15:47:17.331808Z" name="total_time" sequence="1272" subType="x:TOTAL">3104162</AccumulatedTime>' 
b'   <PathFeedrateOverride dataItemId="pfo" timestamp="2016-12-01T15:33:27.042482Z" name="Fovr" sequence="899" subType="ACTUAL">0</PathFeedrateOverride>' 
b'   <PathFeedrateOverride dataItemId="pfr" timestamp="2016-12-01T15:30:26.700817Z" name="Frapidovr" sequence="803" subType="RAPID">0</PathFeedrateOverride>' 
b'   <PathFeedrateOverride dataItemId="pfr" timestamp="2016-12-01T15:30:42.685031Z" name="Frapidovr" sequence="810" subType="RAPID">0</PathFeedrateOverride>' 

私はdataItemIdを含む行からいくつかの情報を取得することに興味があります。 私はデータを印刷するためにこれをした：我々はAWSのデータベースにアクセスできるリアルタイムデータを持っていると思いますので、その速度を知る

for line in r.iter_lines(): 
    if b'dataItemId' in line: 
      print(line) 

は本当に重要です。 私は最善の方法でどのように解析すべきかについて迷っています。私が見つけたことから、XmlPullParserを使用することはストリーミングデータをブロックせずに解析する最善の方法です。しかし、私は「開始」と「終了」をどうすればよいのか分かりません。 私はどのようにデータを失うことなく、すべてを解析していることを保証しなければならないのか、本当に失われています。私は、データを受け取るスレッド、XmlPullParserを使用してデータを解析する別のもの、データがjson形式で送信され、送信されたことを考えると、その行はツリーから削除されます。しかし、dataItemIdを持つ行だけを解析したいのであれば、私は子ノードを持つツリー構造を持っていないので、どのように動作するべきか明確には分かりません。 あなたのご協力をよろしくお願い申し上げます。 ありがとう

Answer 1

ライブラリを使用した回答の代わりに、別の同様の方向を指摘してください。あなたは、単純なアプローチがthisポストにようになる2つの特定のタグのために釣りをしているので、あなただけのチェックはあなたがまたSAXをチェックし、同じロジックをたどることができ

if element.tag=="tag1" or element.tag=="tag2" 

でなければならないであろう。スピードを念頭に置いてこれを実行している場合は、それをプロファイルし、必要に応じて最適な実装をスピードとスペースで保ちます。

これも参照してくださいpost