如何优化代码实现单个XML文件中genre标签出现次数的独立统计

你的问题出在计数变量没有按文件重置上！原来的count变量定义在整个文件遍历循环的外面，处理完一个文件后，count会保留之前的累加值，导致后面所有文件的计数都是基于前面的总数来判断，自然全部触发"genre count is > 1"的提示。

问题代码的核心问题 #

def check_genre():
    genrelist = []
    count = 0  # 这里定义的count会在所有文件间累加
    try:
        for base, dirs, file in os.walk(mypath):
            ...
            for file in file:
                ...
                for genre_tag in root.iter('genre'):
                    count +=1  # 每个文件的genre都会加到同一个count里
                    if count > 1:
                        print ("genre count is > 1", file)

修正后的代码 #

把count的定义移到单个文件的处理逻辑内部，同时修正一处文件后缀判断的笔误（原代码里的file.endswith(".".lower())应该是想判断XML文件）：

#!/usr/bin/python3
import os
import xml.etree.ElementTree as ET

mypath = "somepath"

def check_genre():
    try:
        for base, dirs, files in os.walk(mypath):
            # 跳过隐藏目录
            dirs[:] = [d for d in dirs if not d[0] == '.']
            for file in files:
                file_path = os.path.join(base, file)
                # 只处理XML文件
                if file_path.lower().endswith('.xml'):
                    count = 0  # 每个文件单独初始化计数
                    tree = ET.parse(file_path)
                    root = tree.getroot()
                    # 遍历当前文件的所有genre标签
                    for genre_tag in root.iter('genre'):
                        count += 1
                    # 遍历完成后判断计数
                    if count > 1:
                        print(f"genre count is > 1: {file_path}")
    except Exception as e:
        print(f"处理文件时出错: {e}")

check_genre()

关键修改说明 #

1. 将count移到文件循环内：每次处理新的XML文件时，count都会从0开始重新统计当前文件的genre标签数量，不会再跨文件累加。
2. 修正文件后缀判断：原代码的file.endswith(".".lower())是无效判断，改成file_path.lower().endswith('.xml')才能正确筛选XML文件。
3. 调整判断时机：等当前文件的所有genre标签都遍历完成后再判断计数，而不是遍历过程中就判断，这样逻辑更清晰，也避免提前触发打印。

内容的提问来源于stack exchange，提问作者bob_the_bob