Python-сообщество

я просто упражнения из tutorial делала, пыталась разобраться с ElementTree:

import xml.etree.ElementTree as etree
>>> tree = etree.parse('path')
>>> root = tree.getroot()

cElementTree из стандартной библиотеки должен по скорости примерно как lxml работать

import xml.etree.cElementTree as etree

Отредактировано reclosedev (Авг. 26, 2012 11:28:05)

leona
таковы жертвы кроссплатформенности и независимости от ПО)

Отредактировано doza_and (Авг. 26, 2012 22:02:12)

да я не спорю с мастерами;) это было мое скромное предположение непрофессионала. на то, почему данные в этом формате, ответить вменяемо не могу. может быть, это специфика лингвистическая, маркировать синтаксическую структуру так удобнее. но это предположение. корпус, с которым я работаю, взят вот отсюда http://www.sfs.uni-tuebingen.de/corpora.shtml там же нашла ссылку на графический интерфейс для работы с этой базой (раньше проглядела, не увидела). проблема вот только в том, что мне надо очень большой объем словаря прогнать и проверить, есть ли он в этой базе и с какими характеристиками синтаксическими, с помощью их интерфейса это невозможно. потому пытаюсь разобраться как через пайтон это сделать…его синтаксис более понятен для меня (гуманитария), чем джавовский.

leona, а для чего эта xml-ка? Для какой-то программы?

xml-файл представляет собой аннотированный лингвистический корпус. а кто как с ним работает - дело каждого. но под него (и аналогичные корпуса) разработан интерфейс со специальным посиковым языком TiGerSearch. все просто и удобно, но под мою задачу (см. выше) он не подходит, уж очень нерационально пробивать каждое слово вручную для 21 века;) мне нужно целым пакетом обработать.

Интересно, как эта прога работает, грузит что ли все дерево в память? Можешь посмотреть на расход памяти, когда в проге открывается файл?

Ну и по теме - работай так, как подсказали, если время выполнения совсем будет не устраивать - надо файл перегонять в реляционную базу.

Отредактировано odnochlen (Авг. 27, 2012 15:30:00)

еще бы знать, куда смотреть) вот тут инфа про этот интерфейс, там есть мануал http://www.ims.uni-stuttgart.de/projekte/TIGER/TIGERSearch/oldindex.shtml
он, по-моему, на джаве написан. сначала загружаешь xml-файл, она там некторое время что-то делает и в результате этот один файл разбивается на кучу маленьких, очевидно, по xml-разметке. т.е. там появляется отдельный файл для словарных форм слов, отдельный файл для словоформ (то, как слова в речи реализованы) итд. а по времени - все очень быстро. формулируешь запрос по форме что-то наподобие синтаксиса awk и тут же результат получаешь с графической картинкой (дерево синтаксической структуры).

да, спасибо, сижу и изучаю tutorial)