xml.sax.make_parser适合大文件因其事件驱动、流式解析，内存占用仅几mb；而elementtree需全量加载易oom。适用日志等扁平xml，不适用深嵌套需跨层关联的配置文件。
为什么 xml.sax.make_parser 比 xml.etree.ElementTree 适合大文件
因为 SAX 是事件驱动、流式解析，不把整个 XML 加载进内存。一个 2GB 的 XML 文件，ElementTree.parse 很可能直接 OOM，而 xml.sax.make_parser 只维持当前节点上下文，内存占用稳定在几 MB 级别。
但代价是：你不能随机访问父节点或回溯；所有逻辑必须在 startElement、characters、endElement 里靠状态变量手工维护。
- 适用场景：
log.xml（百万级日志条目）、osm.pbf转出的 XML（OpenStreetMap 全量数据）、数据库导出的扁平化 XML - 不适用：
config.xml这类嵌套深、需跨层级关联字段的结构（比如<host></host>下的<port></port>要和同级<ssl></ssl>组合使用） - 性能提示：SAX 本身很快，瓶颈常在你的
characters处理——如果对每个文本都做.strip()+.split()，会拖慢整体速度
自定义 ContentHandler 必须重写的三个方法
继承 xml.sax.ContentHandler 后，startElement、characters、endElement 是唯三必须覆盖的方法。漏掉 characters 就拿不到文本内容；漏掉 endElement 就无法判断节点闭合，状态变量容易错乱。
常见错误现象：characters 回调被多次触发（XML 中换行/缩进也被当作文本），导致字符串被截断或拼接错位。
立即学习“Python免费学习笔记（深入）”；
-
startElement(self, name, attrs)：用attrs.get('id')取属性，attrs.items()是list，不是 dict（python 3.8+ 才保证顺序） -
characters(self, content)：content是str，但可能为空串或只含空白；建议先content.strip()再判断是否跳过 -
endElement(self, name)：这里才是“确认该节点处理完毕”的时机，适合做数据提交、对象构造、状态栈.pop()
怎么安全地在 characters 中收集文本内容
SAX 不保证 characters 一次传入完整文本——尤其当内容含 CDATA 或实体（如 ）时，会被拆成多次回调。直接赋值 self.text = content 会丢数据。
正确做法是用列表暂存，endElement 时合并：
def __init__(self): self._text_buffer = [] self.current_value = None <p>def characters(self, content): if content.strip(): # 跳过纯空白 self._text_buffer.append(content)</p><p>def endElement(self, name): if self._text_buffer: self.current_value = ''.join(self._text_buffer).strip() self._text_buffer.clear() # 必须清空，否则污染下一个节点</p>- 不要在
characters里做耗时操作（如写文件、发 http 请求），会阻塞解析流 - 如果节点嵌套深，
_text_buffer应按深度分层（例如用defaultdict(list)或栈管理），否则子节点内容会混进父节点 -
self._text_buffer清空必须在endElement，不能放在startElement—— 否则刚进新节点就清空了上一个节点的缓存
遇到 UnicodeDecodeError 或乱码怎么办
根本原因是 XML 声明的编码（如 <?xml version="1.0" encoding="GBK"?>）和实际文件字节流不一致。SAX 解析器会按声明去 decode，错配就报错或吐乱码。
解决路径很直接：不依赖文件头声明，自己控制字节流解码。
- 用
open(path, 'rb')读二进制，再用chardet.detect()判断真实编码（仅首次读前几百字节） - 手动 decode 成
str后，用io.StringIO包装，传给parser.parse() - 更稳妥的做法：统一转为 UTF-8 再解析（
content.decode('gbk').encode('utf-8')），避免 SAX 内部编码判断逻辑干扰 - 注意：
xml.sax.make_parser()默认不校验 DTD，但如果 XML 有外部 DTD 引用且网络不可达，会卡住或报URLError，加parser.setFeature(xml.sax.handler.feature_external_ges, False)关掉
解析大 XML 文件真正难的不是写几个回调，而是设计好状态机——哪些字段要累积，哪些要立即消费，哪一层需要压栈，哪一层可以丢弃。这些决策一旦定错，后面全得返工。