从Python/Element树中的300MG Xml中删除元素

我正试图在ElementTree中解析一个300MB的XML，基于类似的建议

给予

removed <Element 'HistoryNote' at 0x557cc7f0>
removed <Element 'DateCreated' at 0x557fa990>
removed <Element 'HistoryNote' at 0x55809af0>
removed <Element 'DateCreated' at 0x5580f5d0>

已删除
远离的
远离的
远离的

然而，这只是继续，文件没有变小，检查时元素仍然存在。尝试了e.clear（）或elem.remove（e），但结果相同。问候

更新 我对@alexanderlukanin13答案的第一次评论中的错误代码：

---

回溯（最近一次调用）：文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.20150413356\pysrc\pydevd.py”，第1570行，在跟踪调度回溯（最近一次调用）：文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.0.20150413356\pysrc\pydev.pydev.py”，第2278行，在globals=debugger.run（安装程序['file']，None，None）文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.20150413356\pysrc\pydevd.py”，第1704行，在运行pydev_imports.exefile（文件，全局，局部）时执行脚本文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.0.0.201504133356\pysrc\runfiles.py（）”，第234行，主文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.20150413356\pysrc\runfiles.py”，在主返回pydev_runfiles.main（配置）中的第78行，注意：仍然没有返回正确的值。文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.20150413356\pysrc\pydev\pydev\pydev_runfiles\pydev运行文件，在主运行程序中的第835行（配置）.run_tests（）文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.20150413356\pysrc\pydev_runfiles.py”，第762行，在run_测试文件_和_modules_和_modules_name=self中。从_文件（文件）文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_运行文件中查找_模块“，第517行，在从文件mod=self查找模块。从文件str获取模块（导入，打印异常，pyfile）文件“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev\u 4.0.0.20150413356\pysrc\pydev\u runfiles.py”，第476行，从文件str获取模块（保持原始值为True，std='str'）“C:\Users\Eddie\Downloads\eclipse\plugins\org.python.pydev_4.0.0.20150413356\pysrc\pydevd_io.py”，StartRedirect import sys MemoryError

中的第72行，脚本中的主要问题是没有将修改后的XML保存回磁盘。需要存储对根元素的引用，然后调用：

---

注意：这里我使用了一种笨拙（可能不安全）的方法来获取根元素-我假设它总是

iterparse

输出中的最后一个元素。如果有人知道更好的方法，请告诉我。

“文件没有变小。”“-为什么会这样？您正在更改内存中的对象，这不会更改文件。而且300MB也没有那么大。非常感谢@AlexanderLukani13。这就是我想要的。在Eclipse中尝试了两次：第一次尝试了20m，并给出了内存错误（如下所示），第二个崩溃的Python。桌面是一个16GB的四核3.4GHz。我们非常感谢您提供更多的见解。@user2422819 DOM解析注定会消耗大量内存，最终在某些XML大小上会失败。但坦率地说，我没想到会在300MB上失败。1）尝试从命令行运行它，可能是Eclipse +调试器干扰2）考虑移动到内存需求低的内存。可以开始并自定义它以支持嵌套元素逻辑。

removed <Element 'HistoryNote' at 0x557cc7f0>
removed <Element 'DateCreated' at 0x557fa990>
removed <Element 'HistoryNote' at 0x55809af0>
removed <Element 'DateCreated' at 0x5580f5d0>

from xml.etree import ElementTree as Et

context = Et.iterparse('input.xml')
root = None
for event, elem in context:
    if elem.tag == 'DescriptorRecord':
        for e in list(elem.getchildren()):  # Don't use _children, it's a private field
            if e.tag in ['DateCreated', 'Year', 'Month', 'TreeNumber', 'HistoryNote', 'PreviousIndexing']:
                elem.remove(e)  # You need remove(), not clear()
    root = elem

with open('output.xml', 'wb') as file:
    Et.ElementTree(root).write(file, encoding='utf-8', xml_declaration=True)