应先锚定业务记录单元（如//order），再对每个单元用相对路径提取字段，避免绝对路径耦合；对一对多结构分别提取主干与明细；空值需显式处理，默认值与类型转换要封装；同名标签须带父路径区分语义；常用路径应缓存复用以提升性能。
遇到嵌套深、结构不规则的XML，别硬写递归解析
直接用 xml.etree.ElementTree 的 iter() 或手动遍历 findall() 容易漏节点、错层级，尤其当同名标签在不同路径下语义不同（比如 <id> 在 <user> 下是主键，在 <order> 下却是外键）时，硬编码路径会快速失控。
真正可行的做法是先做「路径锚定」：用 XPath 定位关键记录单元（如每条 <record> 或 <item>），再对每个单元独立提取字段——不是从根往下扒，而是把每个业务实体当一个上下文来处理。
- 用
tree.xpath("//order")（需lxml）或root.findall(".//order")（ElementTree）批量获取顶层记录节点，避免跨层逻辑耦合 - 对每个
order节点，用相对路径取子字段：elem.findtext("customer/id")、elem.findtext("items/item/price")，而不是从根写绝对路径 - 若存在一对多（如一个订单含多个商品），先提取订单主干，再单独循环
elem.findall("items/item")构造明细行，最后用pandas.concat()合并主表与明细表
字段值为空或缺失时，findtext() 返回 None 很危险
findtext() 遇到找不到的标签就返回 None，如果直接塞进 pandas.DataFrame，后续做数值计算（如 sum()、mean()）会静默失败或结果为 NaN，而你可能根本没意识到某列本该全是数字。
更稳妥的方式是显式控制默认值和类型转换：
立即学习“Python免费学习笔记（深入）”；
- 用
elem.find("field") is not None and elem.find("field").text or "N/A"替代裸findtext() - 对数值字段，封装提取函数：
def safe_int(elem, path, default=0): return int(elem.findtext(path) or default) - 若 XML 中数字带单位（如
<size>128MB</size>），提前用正则清洗：re.search(r"(\d+)", text).group(1) if text else "0"
重复标签名但语义不同？靠父路径区分，别依赖标签名本身
常见陷阱：XML 里有多个 <name>，分别在 <author>、<publisher>、<tag> 下。如果只写 elem.findtext("name")，永远只拿到第一个——而且你还不知道是哪个。
必须把父级上下文作为字段前缀固化下来：
- 提取时明确路径：
author_name = elem.findtext("author/name")、publisher_name = elem.findtext("publisher/name") - 若结构动态（比如
<contributor role="editor"><name>...），用 XPath 属性过滤：elem.xpath('contributor[@role="editor"]/name/text()') - 避免用字典 key 直接存
"name"，改用"author_name"、"publisher_name"这类带上下文的键名，否则转成 DataFrame 时列名会冲突
性能差？不是 XML 解析慢，是反复调用 find() 拖垮的
用 ElementTree 解析一个 10MB 的 XML，耗时通常不到 0.5 秒；但如果你在循环里对同一节点反复调用 find("a/b/c") 十几次，总耗时可能翻倍——因为每次都要重新遍历子树。
优化核心就一条：路径复用 + 提前缓存。
- 对固定结构，把常用子节点提前查好：
customer_node = elem.find("customer")，后续用customer_node.findtext("id") - 用
lxml时，启用 XPath 编译：get_id = etree.XPath("customer/id/text()")，然后get_id(elem)比反复find()快 3–5 倍 - 如果最终要转成
pandas.DataFrame，别用字典列表（[{"col1": v1}, {"col1": v2}]），改用列优先构造：{"col1": [v1, v2], "col2": [w1, w2]}，内存和速度都更优
