iterparse 比 parse 快且省内存，因其流式事件驱动、不构建完整树；但需手动 clear() 已处理元素，避免内存泄漏，并用状态机跟踪路径、正确处理命名空间和编码。
iterparse 为什么比 parse 快得多
因为 parse 会把整个 XML 加载进内存构建成树，而 iterparse 是边读边触发事件，内存占用基本恒定。1GB 的 XML 文件用 parse 很可能直接 OOM；用 iterparse 只要单个元素不超内存，就能跑完。
但注意：iterparse 不自动清理已处理的元素——这是最常被忽略的坑。不手动调用 root.clear() 或删子节点，内存照样涨。
- 只在需要时保留当前节点，其余子节点尽早用
elem.clear()清空 - 避免对
event为"start"的节点做深拷贝，改用属性或文本快照 -
iterparse返回的是（事件名，元素对象）元组，不是完整 DOM，别试图反复访问父节点
如何安全提取深层嵌套字段（比如 /root/items/item/title）
不能靠 findall 或 XPath 跑全树——那等于退化回 parse 行为。正确做法是状态机式跟踪路径：
for event, elem in ET.iterparse(file, events=("start", "end")):
if event == "start":
if elem.tag == "item":
current_item = {}
elif elem.tag == "title" and current_item is not None:
# 进入 title 元素，准备捕获其文本
title_text = ""
elif event == "end":
if elem.tag == "title" and current_item is not None:
current_item["title"] = elem.text.strip() if elem.text else ""
elif elem.tag == "item":
# item 结束，保存并清空
items.append(current_item)
current_item = None
elem.clear() # 关键！必须清
- 只监听
"start"和"end"，避开"comment"等干扰事件 - 用变量（如
current_item）模拟栈，不用elem.getparent()—— 它在iterparse中不可靠 - 所有
elem.text使用前判空，XML 中换行缩进会导致text为"\n "
遇到命名空间（xmlns）就解析失败？
是的。iterparse 默认把带命名空间的标签名变成 {http://example.com/ns}tag，直接写 elem.tag == "item" 必然不匹配。
立即学习“Python免费学习笔记（深入）”；
- 提前用
ET.register_namespace("", "http://example.com/ns")注册默认命名空间（可选，仅影响输出） - 匹配时统一用带命名空间的完整名：
elem.tag == "{http://example.com/ns}item" - 更稳妥：用
elem.tag.rsplit("}", 1)[-1]提取本地名，但要注意冲突风险（不同 ns 下同名 tag） - 如果文件有多个命名空间，建议预扫描一遍根元素的
elem.attrib，提取所有xmlns:xxx前缀映射
为什么解析中途报错：'xml.etree.ElementTree.ParseError: not well-formed (invalid token)'
常见于文件含 BOM、编码声明错误、或混入非 UTF-8 字节（比如 GBK 编码的中文 XML 用 UTF-8 打开）。iterparse 对编码更敏感，因为它是流式读取，不像 parse 有时能自动 fallback。
- 先用
file = open(path, "rb")打开，别用"r"—— 让iterparse自己探测编码 - 若明确是 UTF-8-BOM，加
encoding="utf-8-sig"参数（注意：这个参数只在parse中有效，iterparse不支持，所以必须用二进制模式） - 出错时打印出错位置附近原始字节：
file.seek(pos-10); print(repr(file.read(20)))，比看报错行数更准 - Windows 记事本另存为的 XML 经常偷偷加 BOM，用 VS Code 或
xxd检查前两个字节是否为ef bb bf
真正难处理的是混合编码或流式传输中截断的 XML 片段——这时候得加校验层，不能只靠 iterparse。
