用 xml.etree.ElementTree 合并 XML 文件应逐个追加子元素而非拼接字符串，需用 deepcopy 避免引用问题，显式处理命名空间，并用 ET.indent 美化输出；大文件须用 iterparse 流式处理防 OOM。
用 Python 的 xml.etree.ElementTree 合并多个 XML 文件
直接用标准库最稳妥，不用额外装包，也避免 lxml 在某些环境（如 Alpine 容器、旧 CentOS）的编译问题。关键不是“拼接字符串”，而是把源文件的根子元素逐个追加到目标树中。
常见错误是调用 tree.getroot().append(child_root) 后发现子元素的命名空间丢失或属性错乱——这是因为 ElementTree 默认不保留原始命名空间前缀，且 append() 不自动处理父级 nsmap。
- 先用
ET.parse(filename)读取每个文件，拿到root - 对每个
root，用copy.deepcopy(root)避免后续修改影响原树（尤其当多个文件有同名节点需重命名时） - 若源文件含命名空间（如
xmlns="http://example.com/ns"），需在目标根节点初始化时显式传入nsmap，否则子节点的xmlns属性会被忽略 - 合并后调用
ET.indent(tree, space=" ", level=0)（Python 3.9+）美化输出；旧版本可用第三方xml.dom.minidom回写
import xml.etree.ElementTree as ET from copy import deepcopydef merge_xml_files(file_list, output_path): if not file_list: return
以第一个文件为基准构建目标树
base_tree = ET.parse(file_list[0]) base_root = base_tree.getroot() # 复制其余文件的根下所有子元素（跳过根本身） for fpath in file_list[1:]: tree = ET.parse(fpath) root = tree.getroot() for child in root: base_root.append(deepcopy(child)) # 写出 base_tree.write(output_path, encoding="utf-8", xml_declaration=True)XML 到字典/JSON 的映射：处理重复标签与属性冲突
很多工具（比如
xmltodict）默认把同名子节点转成 list，但若某节点只出现一次，它就变成 dict——这种不一致会让后续代码频繁判空或用isinstance(..., list)，容易漏 case。更麻烦的是属性和文本内容共存：
映射成什么结构？不同库策略不同，29.99 xmltodict默认塞进@currency和#text，而dictor可能扁平化成price_currency和price_text。
- 统一用
xmltodict.parse(xml_str, force_list=("item", "entry"))强制指定哪些标签必须为 list，哪怕只出现一次 - 用
process_namespaces=True保留命名空间信息，否则{http://...}title会变成难以匹配的键名 - 若需自定义映射逻辑（例如把所有
@unit属性转为小写后缀），别依赖库的自动转换，改用ElementTree+ 手写遍历，在iter()过程中按需构造 dict
用 XSLT 实现带条件的数据映射（比如字段重命名、值转换）
当映射规则复杂（如 “把 0”），硬编码解析易出错且难维护。xslt 是专为此设计的，且主流语言都支持（Python 用 lxml，Java 用 javax.xml.transform）。
注意：XSLT 1.0（最广泛兼容）不支持正则，字符串处理能力弱；XSLT 2.0+（需 saxon 或 lxml 启用 EXSLT）才有 replace() 和 tokenize()。生产环境优先选 1.0，除非明确需要高级文本函数。
- XSLT 文件里用
- 用
if/elif更清晰可测 - 执行时传入外部参数（如
base_url）用，避免把路径硬编码进 XSLT
大 XML 文件合并时的内存与性能陷阱
单个 500MB 的 XML 文件用 ElementTree.parse() 会直接 OOM；即使拆成多个 50MB 文件，全 load 进内存再合并也不现实。这时候必须流式处理。
iterparse() 是唯一靠谱选择，但它不保证事件顺序，且对嵌套层级深的结构容易漏节点——比如你监听 start 事件来捕获 end 就提前清理了上下文，会导致数据截断。
- 用
iterparse(filename, events=("start", "end"))，只在end事件时处理完整节点，避免中间状态干扰 - 对每个
end事件，检查elem.tag == "record"且elem.getparent() is not None（防顶层节点误判） - 处理完一个
record后立即调用elem.clear()并删除其所有子节点引用，否则内存不会释放 - 不要试图用
iterparse构建完整新树——只提取你需要的字段，转成 CSV 行或插入数据库，绕过“合并 XML”这个动作本身
真正难的不是语法，是搞清你到底要“合并 XML”还是“合并 XML 里的数据”。前者是格式操作，后者才是实际需求。多数时候，后者更合理，也更容易避开各种解析器的边界 case。
