xmltodict最稳高效，但需处理命名空间、单节点列表化、编码路径、空标签等坑；ElementTree更灵活但代码量大；XML源数据质量差时需先归一化。
Python里用xmltodict转单个XML最稳
直接装xmltodict比手写解析快得多，也比lxml+json组合少踩坑。它把XML树映射成嵌套字典，再喂给json.dumps()就行，结构保留得比较自然。
常见错误现象：xmltodict.parse()遇到带命名空间的XML会吐出一堆@xmlns键，或者把同名兄弟节点变成列表还是字典不一致——这取决于节点数量是否为1。
- 用
process_namespaces=True参数能自动剥离命名空间，避免字段名污染 - 加
force_list=('item', 'entry')明确指定哪些标签名必须转成列表（哪怕只有一个子节点） - 如果XML里有
<price>9.99</price>这种纯文本节点，xmltodict默认当字符串；想自动转数字，得自己后处理dict，别指望它内置类型推断
批量处理多个XML文件要防编码和路径翻车
Windows上中文路径、Linux下UTF-8缺失、BOM头残留——这些都会让open()读出来乱码，接着xmltodict.parse()直接抛ExpatError。
使用场景：你有一堆data/*.xml，想挨个转成data/json/*.json。
- 统一用
open(path, encoding='utf-8-sig')打开，utf-8-sig能自动吞掉BOM - 路径拼接别用字符串+，改用
pathlib.Path('data').glob('*.xml')，跨平台安全 - 每个文件单独
try/except包住，失败时打印file_path和str(e)，别让一个坏文件卡死整批
xml.etree.ElementTree适合需要精细控制的场景
当你发现xmltodict输出的JSON嵌套太深、字段名带@或#text看着难受，或者XML里混着CDATA、注释、处理指令时，就得切到原生ElementTree。
性能影响：它比xmltodict快约20%–30%，内存占用更低，但代码量翻倍。
- 用
elem.text.strip() if elem.text else None手动清理空白，别信elem.text天然干净 -
elem.attrib是属性字典，想合并进结果得显式赋值，比如result['id'] = elem.get('id') - 遇到
<tag attr="v">text</tag>，得决定是存成{'text': 'text', 'attr': 'v'}还是{'#text': 'text', '@attr': 'v'}——没有标准答案，但整批必须统一
输出JSON时别忽略缩进、排序和空值处理
json.dumps(data, indent=2)看着舒服，但文件大了体积涨30%以上；线上交付常要求紧凑格式，而开发调试又依赖可读性——得留开关。
容易踩的坑：XML里<phone/>这种空标签，xmltodict转出来是{'phone': None}，但很多JSON Schema校验器不认null，得提前过滤掉值为None的字段。
- 加
sort_keys=True能让diff更友好，尤其做版本比对时 - 用
default=str参数兜底无法序列化的对象（比如datetime），否则直接TypeError - 批量写入前先
os.makedirs(output_dir, exist_ok=True)，别假设目录一定存在
<user id="1">，有的用<user><id>1</id></user>，这种得先归一化，不然JSON结构根本没法对齐。 
