lxml-xml 更适合 XML 解析，因其基于 libxml2，严格支持命名空间、CDATA、DTD 等标准特性，而 html.parser 是容错 HTML 解析器，会丢弃命名空间或静默修复错误。
为什么 lxml-xml 比默认 html.parser 更适合 XML
因为 html.parser 本质是容错 HTML 解析器，遇到不规范的 XML（比如未闭合标签、命名空间声明错误、DTD 声明）会静默修复或直接崩溃；而 lxml-xml 是基于 libxml2 的严格 XML 解析器，能正确处理命名空间、CDATA、PI、DOCTYPE 等标准 XML 特性。
常见错误现象：BeautifulSoup(xml_str, 'html.parser') 把 <root xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"></root> 里的 xsi 命名空间直接丢弃，后续用 find('xsi:schemaLocation') 一定返回 None。
- 必须显式指定解析器：
BeautifulSoup(xml_str, 'xml')或BeautifulSoup(xml_str, 'lxml-xml')（后者更明确） -
'xml'是别名，实际依赖lxml安装；没装lxml时会 fallback 到xml.etree.ElementTree，功能受限且不支持 XPath - 如果 XML 含 DTD 或外部实体，
lxml-xml默认禁用外部实体加载（安全），但会报XMLSyntaxError；需手动配parser = etree.XMLParser(resolve_entities=False)
find() 和 select() 在命名空间 XML 中为何失效
不是方法有问题，是默认忽略命名空间——lxml-xml 解析后所有 tag 都带完整 namespace URI，但 find('ns:tag') 这种写法根本匹配不到，因为 BS4 不支持前缀绑定语法。
使用场景：解析 SOAP 响应、RSS、Office Open XML（.docx/.xlsx 内部 XML）等强命名空间文档。
立即学习“Python免费学习笔记（深入）”；
- 正确做法是先提取 namespace 映射，再传给
find()：soup.find('Envelope', namespaces={'soap': 'http://schemas.xmlsoap.org/soap/envelope/'}) -
select()完全不支持命名空间，别试；要用 CSS 选择器必须先用unwrap()或正则清理 prefix，不推荐 - XPath 是更稳的选择：
soup.select_one('soap|Envelope', namespaces=ns_map)不行，得用底层：soup._soup_xml.find('.//soap:Envelope', namespaces=ns_map)（注意：这是lxml原生接口，非 BS4 方法）
lxml-xml 解析失败的三个高频原因
不是 XML 写错了，而是解析器配置或输入格式踩了隐性坑。
- XML 字符串开头有 BOM（如
\ufeff<?xml...）：lxml会直接抛XMLSyntaxError: Document is empty；用xml_str.encode().decode('utf-8-sig')清掉 - 传入的是文件路径字符串而非内容：
BeautifulSoup('path/to/file.xml', 'lxml-xml')会被当纯文本解析；必须先open()读取，或改用BeautifulSoup(open('f.xml'), 'lxml-xml') - XML 声明编码与实际不符（如声明
encoding="gb2312"但文件是 UTF-8）：lxml严格校验，报UnicodeDecodeError；建议统一用 UTF-8 + 去掉声明，或用bytes输入并指定parser=etree.XMLParser(encoding='gb2312')
性能和内存开销比 xml.etree.ElementTree 高吗
单次解析慢 10–30%，内存多占 2–5 倍，但换来了 XPath、CSS 选择器、树操作灵活性——值不值得，取决于你是否需要反复查询、修改、序列化。
性能影响点：
lxml-xml 构建的是完整 DOM 树 + Python 对象封装；ElementTree 是轻量 C 结构映射，iterparse() 还能流式处理大文件。
- 小 XML（lxml-xml 图省事
- 大 XML（> 10MB）或只读单次遍历：用
xml.etree.ElementTree.iterparse()，别硬上BeautifulSoup - 要改完再存回 XML？
lxml的tostring(..., encoding='unicode', pretty_print=True)支持缩进和编码控制，ElementTree的dump()不保留格式
真正容易被忽略的是：一旦用了 lxml-xml，就别混用 xml.etree.ElementTree 的对象——它们类型不兼容，type(soup.root) != type(ET.fromstring(xml))，传给其他库时可能出 silent bug。
