使用python lxml解析部分XML

Question

我正在嘗試解析一個用Python從網絡接收的大型XML文件。

為此，我獲取數據並將其傳遞給lxml.etree.iterparse

但是，如果尚未完全發送XML，請執行以下操作：

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

如果我運行etree.iterparse(f, tag='MyNode').next()我得到一個XMLSyntaxError ，它被切斷了。

我有什么方法可以做到這一點，所以我可以收到第一個標簽（即第一個MyNode），只有當我到達文檔的那一部分時才會出現異常？ （使lxml真正'流'內容，而不是在開頭閱讀整個內容）。

Answer 1

XMLPullParser和HTMLPullParser可以更好地滿足您的需求。 他們通過重復調用parser.feed(data)來parser.feed(data) 。 在樹可用之前，您仍需要等到所有數據都進入。

Answer 2

嘗試從問題的兩個相關問題的答案中學習。 在更多相關答案中找到更多智慧。 您的問題很常見，可能需要稍微調整一下以適應經過驗證的解決方案。 更喜歡這種方式來創建穩定的解決方案。

• 使用lxml和iterparse（）來解析一個大的（+ - 1Gb）XML文件
• 使用Python lxml和Iterparse解析大型XML文件