使用python ElementTree时内存不足 编辑：如果将来有人来这里，我使用的解决方案是切换到cElementTree。它不仅使用更少的内存运行，而且速度明显更快。

这适用于大小约为600mb的文件，大于600mb，并且我的内存不足，我有一台16gb的机器。我可以做些什么来读取一个文件中的片段，或者一次读取一定百分比的xml，或者有一种内存占用较少的方法吗

import csv
import xml.etree.ElementTree as ET
from lxml import etree
import time
import sys

def main(argv):
    start_time = time.time()

#file_name = 'sample.xml'
file_name = argv
root = ET.ElementTree(file=file_name).getroot() 
csv_file_name = '.'.join(file_name.split('.')[:-1]) + ".txt"
print '\n'
print 'Output file:'
print csv_file_name

with open(csv_file_name, 'w') as file_:
    writer = csv.writer(file_, delimiter="\t")
    header = [ <the names of the tags here> ]
    writer.writerow(header)
    tags = [
        <bunch of xml tags here>    
            ]

    #write the values
#     for index in range(8,1000):
    for index in range(3,len(root)):
        #print index
        row=[]
        for tagindex,val in enumerate(tags):
            searchQuery = "tags"+tags[tagindex]
#             print searchQuery
#             print root[index]
#             print root[index].find(searchQuery).text
            if (root[index].find(searchQuery) is None) or (root[index].find(searchQuery).text == None):
                row.extend([""])
                #print tags[tagindex]+" blank"
            else:
                row.extend([root[index].find(searchQuery).text])
                #print tags[tagindex]+" "+root[index].find(searchQuery).text
        writer.writerow(row)


    #for i,child in enumerate(root):
        #print root[i]
    print '\nNumber of elements is: %s' % len(root)

print '\nTotal run time: %s seconds' % (time.time() - start_time)

if __name__ == "__main__":
    main(sys.argv[1])

使用ElementTree.iterparse解析XML数据。请参阅文档以获取帮助。

使用ElementTree.iterparse解析XML数据。有关帮助，请参阅文档。

一些提示：

使用lxml，它的性能非常好 使用iterparse，它可以逐个处理您的文档 然而，iterparse可能会让您大吃一惊，最终可能会导致高内存消耗。要克服这个问题，必须清除对已处理项目的引用，如我最喜欢的关于

使用优化的iterparse的示例脚本fasterparse.py 安装docopt和lxml

编写脚本：

"""For all elements with given tag prints value of selected attribute
Usage:
    fastiterparse.py <xmlfile> <tag> <attname>
    fastiterparse.py -h
"""
from lxml import etree
from functools import partial

def fast_iter(context, func):
    for event, elem in context:
        func(elem)
        elem.clear()
        while elem.getprevious() is not None:
            del elem.getparent()[0]
    del context

def printattname(elem, attname):
    print elem.attrib[attname]

def main(fname, tag, attname):

    fun = partial(printattname, attname=attname)
    with open(fname) as f:
        context = etree.iterparse(f, events=("end",), tag=tag)
        fast_iter(context, fun)

if __name__ == "__main__":
    from docopt import docopt
    args = docopt(__doc__)
    main(args["<xmlfile>"], args["<tag>"], args["<attname>"])

结论采用快速iter方法 主要功能是fast_iter函数，或者至少记住清除未使用的元素，删除它们，最后删除上下文

测量可以显示，在某些情况下，脚本运行稍微慢一点，然后没有clear和del，但差异并不显著。内存的优势在于它的局限性，因为当它开始交换时，优化的版本会变得更快，而且如果内存不足，就没有很多其他选项了。

几点提示：

使用lxml，它的性能非常好 使用iterparse，它可以逐个处理您的文档 然而，iterparse可能会让您大吃一惊，最终可能会导致高内存消耗。要克服这个问题，必须清除对已处理项目的引用，如我最喜欢的关于

使用优化的iterparse的示例脚本fasterparse.py 安装docopt和lxml

编写脚本：

"""For all elements with given tag prints value of selected attribute
Usage:
    fastiterparse.py <xmlfile> <tag> <attname>
    fastiterparse.py -h
"""
from lxml import etree
from functools import partial

def fast_iter(context, func):
    for event, elem in context:
        func(elem)
        elem.clear()
        while elem.getprevious() is not None:
            del elem.getparent()[0]
    del context

def printattname(elem, attname):
    print elem.attrib[attname]

def main(fname, tag, attname):

    fun = partial(printattname, attname=attname)
    with open(fname) as f:
        context = etree.iterparse(f, events=("end",), tag=tag)
        fast_iter(context, fun)

if __name__ == "__main__":
    from docopt import docopt
    args = docopt(__doc__)
    main(args["<xmlfile>"], args["<tag>"], args["<attname>"])

结论采用快速iter方法 主要功能是fast_iter函数，或者至少记住清除未使用的元素，删除它们，最后删除上下文

测量可以显示，在某些情况下，脚本运行稍微慢一点，然后没有clear和del，但差异并不显著。内存的优势在于它的局限性，因为当它开始交换时，优化的版本会变得更快，而且如果内存不足，就没有很多其他选择。

使用cElementTree而不是ElementTree

将ET import语句替换为：import xml.etree.cElementTree as ET

使用cElementTree而不是ElementTree

---

将ET import语句替换为：import xml.etree.cElementTree as ET

您是否尝试过cElementTree C实现？只需将您的ET import语句替换为：import xml.etree.cElementTree作为ETS。这样一个简单的修复程序，似乎使用了非常少的内存。请作为答案回答，这样我就可以接受了。这并不能回答这个问题，即知道如何以块的形式读取XML数据，而不是在内存中加载完整的文件。也就是说，很高兴知道C实现在内存消耗方面也更高效。虽然它没有回答问题，但它很清楚地解决了我遇到的问题。很高兴知道您的问题已经解决。您尝试过cElementTree C实现吗？只需将您的ET import语句替换为：import xml.etree.cElementTree作为ETS。这样一个简单的修复程序，似乎使用了非常少的内存。请作为答案回答，这样我就可以接受了。这并不能回答这个问题，即知道如何以块的形式读取XML数据，而不是在内存中加载完整的文件。也就是说，很高兴知道C实现在内存消耗方面也更高效。虽然它没有回答问题，但它很清楚地解决了我遇到的问题。很高兴知道你的问题已经解决了。

$ python fastiterparse.py                                               
Usage:
    fastiterparse.py <xmlfile> <tag> <attname>
    fastiterparse.py -h

$ python fastiterparse.py large.xml ElaboratedRecord id
rec26872
rec25887
rec26873
rec26874