lxml.parse()用于解析文件或类文件对象，lxml.fromstring()用于解析字符串或字节数据；XPath查询需正确处理命名空间；大文件应使用iterparse()流式处理；tostring()默认返回bytes，需显式指定encoding="unicode"获取字符串。
lxml.parse() 和 lxml.fromstring() 怎么选
解析 XML 时，lxml.parse() 用于读取文件或类文件对象（如 io.BytesIO），而 lxml.fromstring() 直接处理字符串或字节数据。选错会报 XMLSyntaxError 或静默失败——比如传入 bytes 却用了 parse() 而没包装成 io.BytesIO。
常见场景：
- 从 HTTP 响应拿 XML：用
fromstring(response.content)（content是bytes） - 读本地
config.xml文件：用parse(open("config.xml", "rb"))，注意必须是二进制模式 - 若 XML 来自字符串变量（含中文），确保是
bytes且带编码声明，或显式传encoding="utf-8"给fromstring()
XPath 查询慢？别漏掉 namespace 处理
带命名空间的 XML（比如 SOAP、Atom、Office Open XML）里，直接写 //item 会查不到节点，不是性能问题，是根本匹配不上。lxml 默认不自动识别 xmlns，得手动注册前缀。
实操建议：
立即学习“Python免费学习笔记（深入）”；
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 先用
root.nsmap看文档实际声明了哪些 namespace URI - 查询时用
root.xpath("//ns:item", namespaces={"ns": "http://example.com/ns"}) - 如果 namespace 动态变化，别硬编码 URI，改用
root.xpath(".//*[local-name()='item']")（性能略降但更鲁棒） - 避免在循环里反复调用
xpath()；提取一次tree.xpath()结果复用，比每次elem.xpath()快得多
解析大 XML 文件内存爆掉？用 iterparse() 流式处理
lxml.parse() 会把整个 XML 加载进内存构建成树，100MB 的文件可能吃掉 500MB+ 内存。不是 lxml 慢，是用法错了。
正确做法是用 lxml.etree.iterparse() 边读边清：
- 只监听
"start"或"end"事件，避免无谓遍历 - 遇到目标标签（如
"<record>"</record>）的"end"事件后，立刻处理并调用elem.clear()和elem.getparent().remove(elem) - 别在
iterparse()循环里保留对elem的引用，否则树节点不会被 GC - 注意：默认不解析 DTD，如需实体替换，加参数
resolve_entities=False防止远程加载
为什么 etree.tostring() 输出乱码或多了 b''
这是最常被忽略的编码陷阱。etree.tostring() 默认返回 bytes，不是 str。直接 print 或拼接会看到 b'<root>...，或者在 Windows 控制台显示乱码。
解决方法很简单：
- 要字符串：用
etree.tostring(tree, encoding="unicode") - 要 UTF-8 字节流（如写入文件）：保持默认，但写文件时用
open(..., "wb") - 如果 XML 声明里写了
encoding="GBK"，而你用unicode模式，会抛UnicodeDecodeError—— 此时先用bytes模式拿到原始内容，再用chardet探测编码后解码
namespace 前缀重复、text/tail 混淆、属性顺序随机……这些细节不会报错，但会让输出和预期不一致。真要稳定输出，别依赖默认行为，显式控制 method、encoding、xml_declaration 参数。
