为什么 ElementTree.iterparse 有时会不完整地检索 XML 元素？答案

【问题标题】：Why does ElementTree.iterparse sometimes retrieve XML elements incompletely?为什么 ElementTree.iterparse 有时会不完整地检索 XML 元素？
【发布时间】：2021-05-02 05:55:07
【问题描述】：

我正在解析一个太大而无法完全加载到内存中的 XML 文件，所以我使用 xml.etree.ElementTree.iterparse 来解析它。

我遇到的问题是有时，当我从迭代器中检索一个元素时，我发现我的 XML 文件中存在的一些信息被 ElementTree 忽略了。这是预期的行为吗？

一个例子

...
<car>
    <engine>
        <part name="pump"\>
        <part name="ECU"\>
    </engine>
</car>
...

假设我用xml.etree.ElementTree.iterparse 迭代器解析上面的XML sn-p。在给定的实例中，迭代器给了我元素 elem，它指向 XML car 元素。

然后，我执行xml.etree.ElementTree.dump(elem) 以查看elem 捕获实际XML 数据的能力，我得到：

<car>
    <engine>
        <part name="pump"/>
        <part/>
    </engine>
<car>

现在，请注意第二个 part 元素的名称是如何未被捕获的。为什么会发生这种情况，我该如何解决？

【问题讨论】：

请提供正确的minimal reproducible example（我们可以复制、粘贴和运行的完整代码）。

标签： python xml elementtree iterparse

【解决方案1】：

经过更深入的搜索，我发现人们在使用解析迭代器解析大型文档时也报告了其他 xml 解析库的此问题。

事实证明，当您在“开始”事件上处理元素时，该元素可能没有完全加载。解决问题的方法是在“结束”事件上处理元素。

从Andreas 题为"lxml.etree iterparse() and parsing element completely" 的问题中，我借用以下引用，我追踪到它来自a tutorial on lxml：

“请注意，当收到开始事件时，元素的文本、尾部和子项不一定存在。只有结束事件才能保证元素已被完全解析。”

【讨论】：