Python 如何从大型文件中提取具有给定分隔符标记的XML块？

我有大量（500 MB-2 GB）XML文件，目前我使用

iterparse

线性处理。一般结构是许多具有相同结构的记录，我只对其中的一小部分感兴趣。我今天的方法是边走边解析，只保留我感兴趣的内容（一旦解析完成）。这是可行的，尽管速度很慢

出于各种原因（主要原因是好奇），我想重写解析以提取符合我的“记录”（一组特定标记）定义的XML块，并检查块（作为字符串）是否包含使记录有趣的特定子字符串。这些块将排队等待进一步处理

所有这些都使用基于DOM的方法，这些方法不适合我的大文件

---

是否存在一个现有的模块/方法，它可以获取边界标记并以线性方式吐出由它分隔的XML块，类似于

lxml.etree.parse

中的

xpath

方法？

如果不知道哪些标准将定义您感兴趣的节点，我就无能为力。但是，无论如何，我可以试着回答部分问题

这将返回RecordTag或OtherTag的所有元素的列表

records = etree.parse(file).xpath(".//*[self::RecordTag or self:OtherTag]")

如果您只关心一种类型的元素，那么这个xpath查询更简单，并且可能比上面的查询提供更好的性能，后者对树中的每个元素执行自轴检查

xpath(".//Record")

---

如果您对感兴趣的记录有比标记更复杂的条件，那么我需要更多的细节来帮助构建xpath。

我向我们展示了文件的一部分和所需的输出。您是否愿意使用某种工具解析该文件，还是希望使用纯python代码解决方案？