XML文本比对易误报因缩进、属性顺序等非语义差异；需先用xmlstar/xmllint规范化或lxml.etree.canonicalize()生成标准字节流；注意BOM、编码声明一致性及时间戳等噪声字段预处理。
用 diff 命令直接比 XML 文件，为什么总是一堆无意义的差异？
因为普通文本比对会把格式缩进、换行、属性顺序、空格甚至注释都当“不同”，而 XML 的语义等价性不依赖这些。比如 <tag attr="a" id="1"></tag> 和 <tag id="1" attr="a"></tag> 在 XML 中完全等价，但 diff 会标红整行。
- 先用工具规范化再比：推荐
xmlstar或xmllint格式化后输出为标准结构（统一缩进、属性排序、去注释） - 示例命令：
xmlstar --indent --omit-decl --strip-space "*" -R file1.xml | xmllint --format - > norm1.xml - 注意
--strip-space "*"能去掉无关空白节点，避免因空<node></node>和<node></node>差异误报
Python 里用 lxml.etree 做语义级对比，关键在怎么加载和序列化
直接用 etree.tostring() 还是会受属性顺序影响；必须走 Canonical XML（C14n）路径才能保证语义一致的树结构生成相同字节流。
- 用
etree.canonicalize()，不是tostring()：它按 W3C 规范标准化命名空间、属性顺序、空白处理 - 加载时加参数：
parser = etree.XMLParser(remove_blank_text=True, remove_comments=True)，否则注释和空格干扰大 - 别忽略命名空间：如果文件含
xmlns，canonicalize()必须传with_comments=False和inclusive_ns_prefixes=[]，否则哈希值不稳定
遇到 XMLSyntaxError: Premature end of data 或编码错乱怎么办？
多数不是 XML 写错了，而是 BOM、编码声明不一致或混合了控制字符。Windows 记事本保存的 UTF-8 带 BOM 是头号嫌疑。
- 先用
file -i file.xml看真实编码，再用iconv -f UTF-8-BOM -t UTF-8 file.xml > clean.xml清洗 - 检查 XML 声明是否自相矛盾：比如文件是 UTF-8 但开头写
<?xml version="1.0" encoding="ISO-8859-1"?>，lxml会严格报错 - 用
xxd file.xml | head查看前几字节，确认有没有ef bb bf（UTF-8 BOM），有就删掉
要不要用专门的 XML Diff 工具？比如 diffxml 或 xmldiff
xmldiff 可以，diffxml 基本废弃且不支持 Python 3。但要注意：它输出的是操作指令（insert/delete/move），不是人类可读的“这里多了一行”，得配合 xmldiff.formatting.XMLFormatter 才能看清。
- 安装：
pip install xmldiff，别用系统包管理器装的老版本 - 基础用法：
xmldiff file1.xml file2.xml --formatter=xml，输出是带<diff></diff>标签的 XML - 真正实用的是它的 API：
diff_trees()返回结构化操作列表，适合集成进 CI 做断言，而不是人工扫屏
实际做 XML 对比时，最耗时间的往往不是选工具，而是判断哪些差异该忽略——比如自动生成的时间戳字段、UUID、校验和。这类字段得提前用 XSLT 或正则剥离，不然再准的 diff 也白搭。
