使用python lxml解析部分XML

Question

我正在尝试解析一个用Python从网络接收的大型XML文件。

为此，我获取数据并将其传递给lxml.etree.iterparse

但是，如果尚未完全发送XML，请执行以下操作：

<MyXML>
    <MyNode foo="bar">
    <MyNode foo="ba

如果我运行etree.iterparse(f, tag='MyNode').next()我得到一个XMLSyntaxError ，它被切断了。

我有什么方法可以做到这一点，所以我可以收到第一个标签（即第一个MyNode），只有当我到达文档的那一部分时才会出现异常？ （使lxml真正'流'内容，而不是在开头阅读整个内容）。

Answer 1

XMLPullParser和HTMLPullParser可以更好地满足您的需求。 他们通过重复调用parser.feed(data)来parser.feed(data) 。 在树可用之前，您仍需要等到所有数据都进入。

Answer 2

尝试从问题的两个相关问题的答案中学习。 在更多相关答案中找到更多智慧。 您的问题很常见，可能需要稍微调整一下以适应经过验证的解决方案。 更喜欢这种方式来创建稳定的解决方案。

• 使用lxml和iterparse（）来解析一个大的（+ - 1Gb）XML文件
• 使用Python lxml和Iterparse解析大型XML文件