XML表拆分需先解析层级与重复性，以等可重复节点为主表，子节点按语义归主表或从表；嵌套结构暗示一对多关系，应拆为orders和order_items；用xml.etree.ElementTree分层提取，注意.text为空字符串、属性用.get()、空值与类型需清洗转换；批量插入用executemany()或CSV导入，并严格控制外键依赖顺序与事务回滚。
XML结构决定表拆分逻辑
不能直接“映射”，必须先解析XML的层级和重复性。重点看 <item></item>、<order></order> 这类可重复容器节点，它们通常对应主表；其子节点如 <customer_id></customer_id>、<product_name></product_name> 则按语义归入主表或外键关联的从表。嵌套深的结构（比如 <order>→<items>→<item></item></items></order>）天然暗示一对多关系，应拆成 orders 和 order_items 两张表。
用Python + xml.etree.ElementTree做分层提取
避免用正则或字符串切割——XML有命名空间、属性、混合内容等边界情况。xml.etree.ElementTree 足够轻量且标准库自带。关键操作是：对每个顶层重复节点调用 .findall()，再用 .findtext() 提取字段，遇到子集合时递归遍历。注意：.text 可能为 None，需显式判断；属性值用 .get('attr_name') 获取，别硬写 attrib['attr_name'] 否则报 KeyError。
import xml.etree.ElementTree as ET
<p>tree = ET.parse('data.xml')
root = tree.getroot()</p><p>for order_elem in root.findall('order'):
order_data = {
'id': order_elem.findtext('id') or '',
'customer_id': order_elem.findtext('customer/id') or ''
}</p><h1>插入 orders 表</h1><pre class='brush:php;toolbar:false;'>insert_order(order_data)
# 提取 order_items
for item_elem in order_elem.findall('items/item'):
item_data = {
'order_id': order_data['id'],
'sku': item_elem.findtext('sku') or '',
'qty': int(item_elem.findtext('quantity') or '0')
}
insert_order_item(item_data)字段类型与空值处理不匹配会批量失败
数据库列定义（如 INT、NOT NULL）和XML实际内容常不一致。常见坑：<price></price> 的 .text 是空字符串而非 None；<status>active</status> 在数值列里直接插入会报错；带单位的值如 <weight>2.5kg</weight> 需正则清洗。建议统一用函数做转换：
从 CSV 数据集生成图数据库加载器和三元组映射。将表格 CSV 数据转换为图数据库可直接使用的节点、边和三元组。
-
safe_int(s)：返回int(s.strip('kg').strip())或0 -
trim_or_none(s)：返回s.strip() if s and s.strip() else None - 所有
INSERT语句用参数化（如cursor.execute("INSERT ...", tuple(vals))），别拼字符串
性能瓶颈在逐行INSERT，不是XML解析
解析10MB XML可能只要200ms，但执行1万次单条 INSERT 可能要8秒。解决方式只有两个：executemany() 批量提交，或生成临时CSV再用数据库原生命令导入（如 PostgreSQL 的 COPY、MySQL 的 LOAD DATA INFILE）。注意：executemany() 的参数列表不能超过数据库驱动限制（MySQLdb 默认1000条），需手动切片；CSV方式要求XML字段严格无换行、无引号嵌套，否则导入会错位。
真正难的是嵌套层级里的外键依赖顺序——必须先插 customers，再插 orders，最后插 order_items，中间任何一步失败，整个事务得回滚。别指望靠数据库级级联搞定，XML本身没事务概念。
