仅解析XML fi的特定子树

Question

我有一个巨大的XML文件。不过，我只对这棵巨树的一棵小子树感兴趣。我想解析这个子树，但我不想浪费时间分析整个大型树，因为我只会使用它的一小部分。在

理想情况下，我希望扫描整个文件，直到找到子树的开始，解析子树直到到达它的结尾，然后甚至不必费心阅读文件的其余部分。甚至可以用XPath表达式描述我感兴趣的子树。有没有一种方法可以使用lxml？看起来您可以使用iterparse()方法来完成类似的操作，但是基于文档，它看起来并没有生成我想要使用的解析对象。有什么建议吗？在

（不需要使用lxml，但我希望使用Python，而且理想情况下，我希望它速度更快。）

Answer 1

Iterparse仍然需要解析所有内容，直到您想要的子树为止。在使用正则表达式将子树输入解析器之前，提取子树可能更有效。您可能想尝试编写一个sax解析器。Sax可能比lxml慢，但它不会占用太多内存，所以在某些情况下可能会更好。在

Answer 2

我觉得iterparse就是你想要的。看看http://lxml.de/parsing.html上的“选择性标记事件”一节，你似乎得到了你想要的：

context = etree.iterparse(xmlfile, tag="yourSubTree")
action, elem = context.next()
etree.iterwalk(elem, ...)...

XPath似乎也可以工作，但我猜XPath在返回之前会读取整个树，而我希望iterparse只遍历树，直到找到匹配的树为止。这两种方法值得分析。在