Python读取XML文件：5种方法代码对比与选择指南

脚本专家

Python 提供了多种读取 XML 文件的库，从标准库中的 xml.etree.ElementTree 到第三方的高性能 lxml，各有适用场景。本文以一份包含国家信息的 test.xml 为例，演示五种主流方法的核心用法，并给出选型建议。

示例 XML 文件（test.xml）内容如下：

2. <?xml version="1.0"?>
3. <data>
4.   <country name="Liechtenstein">
5.     <rank>1</rank>
6.     <year>2008</year>
7.     <gdppc>141100</gdppc>
8.     <neighbor name="Austria" direction="E"/>
9.     <neighbor name="Switzerland" direction="W"/>
10.   </country>
11.   <country name="Singapore">
12.     <rank>4</rank>
13.     <year>2011</year>
14.     <gdppc>59900</gdppc>
15.     <neighbor name="Malaysia" direction="N"/>
16.   </country>
17. </data>

复制代码

方法一：xml.etree.ElementTree（标准库，轻量级）
ElementTree 是 Python 官方推荐的标准库模块，API 简洁，无需安装第三方包。它支持从文件路径或字符串解析，并提供 find/findall/iter 等便捷方法。

2. import xml.etree.ElementTree as ET
4. # 解析文件
5. tree = ET.parse('test.xml')
6. root = tree.getroot()
7. # 解析字符串：ET.fromstring(xml_string)
9. print(f"根节点标签: {root.tag}")
10. for child in root:
11.     print(f"子节点: {child.tag}, 属性: {child.attrib}")
12.     for subchild in child:
13.         print(f"  孙节点: {subchild.tag}, 文本: {subchild.text}")
15. # findall 与 get 用法
16. for country in root.findall('country'):
17.     name = country.get('name')
18.     rank = country.find('rank').text
19.     print(f"国家: {name}, 排名: {rank}")
21. # iter 迭代查找特定标签
22. for neighbor in root.iter('neighbor'):
23.     print(f"邻居: {neighbor.get('name')}, 方向: {neighbor.get('direction')}")

复制代码

方法二：xml.dom.minidom（标准库，完整 DOM）
minidom 实现了 W3C DOM 接口，将整个文档加载为内存树，适合需要随机访问或修改节点的场景。但内存占用较高，速度较慢。

2. from xml.dom import minidom
4. dom = minidom.parse('test.xml')
5. root = dom.documentElement
7. countries = root.getElementsByTagName('country')
8. print(f"找到 {len(countries)} 个国家")
9. for country in countries:
10.     name = country.getAttribute('name')
11.     print(f"国家: {name}")
12.     rank = country.getElementsByTagName('rank')[0].firstChild.data
13.     year = country.getElementsByTagName('year')[0].firstChild.data
14.     print(f"  排名: {rank}, 年份: {year}")
15.     for neighbor in country.getElementsByTagName('neighbor'):
16.         print(f"  邻居: {neighbor.getAttribute('name')}, 方向: {neighbor.getAttribute('direction')}")

复制代码

方法三：BeautifulSoup（第三方库，灵活强大）
BeautifulSoup 原本用于 HTML 解析，但指定 XML 解析器后可完美处理 XML。安装命令：pip install beautifulsoup4，并需额外安装解析器（如 lxml-xml）。它支持 find_all、CSS 选择器，对格式不规范的文档容错性高。

2. from bs4 import BeautifulSoup
4. with open('test.xml', 'r', encoding='utf-8') as f:
5.     soup = BeautifulSoup(f, 'xml')  # 或 'lxml-xml'
7. print(f"根节点: {soup.data.name}")
8. countries = soup.find_all('country')
9. for country in countries:
10.     print(f"国家: {country['name']}")
11.     print(f"  排名: {country.rank.text}, 年份: {country.year.text}")
12.     for neighbor in country.find_all('neighbor'):
13.         print(f"  邻居: {neighbor['name']}, 方向: {neighbor['direction']}")
14. # CSS 选择器
15. for gdppc in soup.select('gdppc'):
16.     print(f"人均GDP: {gdppc.text}")

复制代码

方法四：lxml.etree（第三方库，高性能）
lxml 在底层使用 C 扩展，速度极快，且完全兼容 ElementTree 的 API，同时支持 XPath 等高级查询。安装：pip install lxml。

2. from lxml import etree
4. tree = etree.parse('test.xml')
5. root = tree.getroot()
6. print(f"根节点: {root.tag}")
7. for country in root:
8.     print(f"国家属性: {country.attrib}")
10. # XPath 查找所有 rank
11. ranks = root.xpath('//rank')
12. print("所有排名:")
13. for rank in ranks:
14.     print(f"  {rank.text}")
16. # XPath 查找指定国家年份
17. singapore_year = root.xpath('//country[@name="Singapore"]/year/text()')
18. print(f"Singapore 年份: {singapore_year[0]}")
20. # XPath 获取所有 neighbor 的 direction 属性
21. directions = root.xpath('//neighbor/@direction')
22. print(f"所有方向: {directions}")

复制代码

方法五：xml.sax（标准库，流式解析）
SAX（Simple API for XML）基于事件驱动，边读边解析，内存占用极低，适合处理超大型 XML 文件。但其代码编写相对繁琐，需要自定义 ContentHandler。

2. import xml.sax
4. class CountryHandler(xml.sax.ContentHandler):
5.     def __init__(self):
6.         self.current_data = ""
7.         self.name = ""
8.         self.rank = ""
10.     def startElement(self, tag, attributes):
11.         self.current_data = tag
12.         if tag == "country":
13.             self.name = attributes["name"]
14.             print(f"\n国家: {self.name}")
15.         elif tag == "neighbor":
16.             print(f"  邻居: {attributes['name']}, 方向: {attributes['direction']}")
18.     def characters(self, content):
19.         if self.current_data == "rank":
20.             self.rank = content
21.         elif self.current_data == "year":
22.             self.year = content
24.     def endElement(self, tag):
25.         if self.current_data == "rank":
26.             print(f"  排名: {self.rank}")
27.         elif self.current_data == "year":
28.             print(f"  年份: {self.year}")
29.         self.current_data = ""
31. parser = xml.sax.make_parser()
32. parser.setFeature(xml.sax.handler.feature_namespaces, 0)
33. handler = CountryHandler()
34. parser.setContentHandler(handler)
35. parser.parse("test.xml")

复制代码

方法对比一览
- xml.etree.ElementTree：标准库，内存中等，速度快，API 简单，适合大多数场景。
- xml.dom.minidom：标准库，内存高，速度慢，适合需要完整 DOM 树随机访问。
- BeautifulSoup：第三方，内存较高，速度中等，易用性极高，适合复杂或 HTML/XML 混合解析。
- lxml.etree：第三方，内存中等，速度最快，支持 XPath，适合性能敏感和高级查询。
- xml.sax：标准库，内存极低，速度较快，编码复杂，适合超大文件流式处理。

选型建议
日常脚本开发首选 xml.etree.ElementTree，零依赖且能满足大部分需求。当需要 XPath 或对性能有极致要求时，选用 lxml。处理不规范文档或需要强大查找能力时，BeautifulSoup 更加得心应手。如果 XML 文件大小超过数 GB，使用 xml.sax 避免内存溢出。仅当必须遵守 W3C DOM 规范或需要随机修改节点时，才考虑 minidom。

热心网友7

感谢楼主的详细分享！这五种方法的对比非常实用，尤其是代码示例直接可以跑起来。 我用得比较多的是 ElementTree 和 lxml，平时小项目用 ElementTree 就够了，标准库省心。遇到大文件或需要 XPath 的时候，lxml 性能优势明显。楼主提到 BeautifulSoup 对格式不规范的 XML 容错性高，这点很关键，有时候从网上下载的 XML 文件确实会有点“脏”，用 BS 确实省事。 另外想问一下，如果是超大 XML 文件（比如几百 MB），楼主有没有试过用 iterparse 流式解析？虽然 lxml 也有 incremental parsing，但 ElementTree 的 iterparse 也能节省内存，能不能在文末补充一下这种场景的选型建议？

热心网友7

总结得很清晰，正好最近在处理类似XML，平时习惯用ElementTree，标准库无依赖最省事。但遇到格式不太规范的XML时，BeautifulSoup真的能省不少力气，容错性确实比标准库好很多。楼主提到的三种方法基本覆盖了轻量、DOM、灵活三个方向，很实用。另外标题说是五种方法，后面是不是还有lxml和cElementTree的对比？如果方便的话，希望能补上大文件处理或性能方面的选型建议，谢谢分享！

热心网友7

感谢楼主的详细对比！平时用得最多的是ElementTree，标准库确实方便，不过在处理超大文件时容易占内存。期待楼主把剩下两种也写完，特别是lxml，听说速度很快，不知道对示例里这种嵌套结构会不会有更好的表现？另外，如果XML文件格式稍微不规范，BeautifulSoup和minidom的容错性差别大吗？