用 xml.etree.ElementTree 拆分大 XML 文件最稳：采用 iterparse 流式解析，按 record/item 节点边读边切，深拷贝节点后构造新根写入，手动处理命名空间、编码、非法文件名及特殊字符，避免 OOM 和序列化错误。
用 xml.etree.ElementTree 拆分大 XML 文件最稳
Python 自带的 xml.etree.ElementTree 足够应付大多数按节点拆分的需求，不用装第三方库，也不容易因编码或命名空间崩掉。它不加载整个树到内存（用 iterparse 时），适合几百 MB 级别的文件。
关键不是“怎么读”，而是“怎么切”——得避开把整棵树 parse() 进内存再切的坑，否则 1GB 文件直接 OOM。
- 用
ET.iterparse()流式读取，边读边判断是否该写入新文件 - 每个子文件从根节点开始构造，但只塞当前要拆出的节点及其子树
- 注意
start和end事件的区别：用end才能拿到完整子树 - 遇到
Comment或ProcessingInstruction节点要手动跳过，否则write()会报TypeError: cannot serialize None
按 record 或 item 节点拆分的实际写法
假设原始 XML 是扁平结构，比如日志、导出数据：<root><record id="1">...</record><record id="2">...</record></root>，目标是每个 record 单独成文件。
不能直接对 record 调用 write()，因为没根节点；也不能硬塞 <root></root>，有些下游系统认不出嵌套根。
立即学习“Python免费学习笔记（深入）”；
- 推荐方案：每个小文件保留原根名，仅含一个
record，即<root><record ...>...</record></root> - 用
ET.Element(root_tag)创建新根，subelement.append(record_copy)塞进去 -
record要深拷贝：用ET.fromstring(ET.tostring(record))最保险，避免引用残留 - 文件名建议用属性值，如
f"output_{record.get('id', i)}.xml"，但得先处理空值或非法字符（/ \ : * ? " |）
iterparse 遇到命名空间就报错？这样绕过去
如果 XML 有 xmlns="http://xxx"，elem.tag 会变成 {http://xxx}record，直接写 if elem.tag == 'record' 永远不匹配。
别急着用 lxml——自带模块就能解，只是得手动剥离。
- 在
iterparse前加events=('start-ns',)捕获命名空间，但通常不需要存，直接忽略 - 更简单：统一用
elem.tag.split('}')[-1]取本地名，if tag_name == 'record' - 如果必须保留命名空间写入新文件，得在新建根节点时传
nsmap参数，且所有子节点创建时用带前缀的QName，实操中极少需要 - 注意：
ET.tostring()默认不写xmlns，若下游要求必须带，得手动设root.set('xmlns', ns_uri)
中文乱码、换行丢失、缩进错乱怎么办
ET.write() 默认用 ASCII 编码 + 无缩进 + Unix 换行符，和人眼预期差距很大，但改起来很琐碎。
- 编码必须显式指定：
tree.write(path, encoding='utf-8', xml_declaration=True)，否则 Windows 记事本打不开 - 缩进没有内置支持，Python 3.9+ 可用
ET.indent(tree)，旧版本只能用正则或字符串替换（不推荐） - 换行符默认是
\n，Windows 用户想双击打开不折行，得自己后处理：读取后替换\n为\r\n - 特别注意：如果原 XML 有 DTD 或外部实体，
ElementTree默认不解析，也不会写入新文件——这反而是好事，避免 XXE 风险
拆分逻辑本身不难，难的是边界情况：空节点、混合文本与子元素、属性里带 XML 特殊字符、超长 CDATA。这些不会报错，但会导致下游解析失败，得在写入前加一层 ET.tostring(..., method='xml') 校验是否可序列化。
