pulldom不能直接解决大文件内存问题，因其默认缓存全部节点，需手动调用unlink()释放引用并只监听必要事件才能实现低内存解析。
为什么 pulldom 不能直接解决大文件内存问题
很多人以为用了 pulldom 就自动低内存，结果一跑就 MemoryError。根本原因是：pulldom 默认仍会把整个文档树节点缓存进内存（尤其遇到嵌套深、文本长的元素），它只是“按需解析”，不是“流式丢弃”。真正省内存的前提是你主动丢弃已处理完的节点。
- 不调用
node.unlink()→ 节点持续驻留，和minidom差别不大 - 用
DOMEventStream.expandNode()→ 会强制加载子树，瞬间吃光内存 - 没过滤事件类型（比如只关心
START_ELEMENT）→ 白读大量CHARACTERS和END_ELEMENT，拖慢速度还占引用
pulldom.parse() 的正确打开方式：边读边清
核心就两条：只监听需要的事件 + 处理完立刻断开 DOM 引用。下面这个模式能稳定跑几百 MB 文件：
from xml.dom import pulldom
<p>doc = pulldom.parse('huge.xml')
for event, node in doc:
if event == pulldom.START_ELEMENT and node.nodeName == 'record':</p><h1>只展开当前 record，不碰子元素树</h1><pre class='brush:php;toolbar:false;'> doc.expandNode(node)
# 提取你需要的字段（用 getAttribute 或遍历子节点）
id_val = node.getAttribute('id')
# ... 其他处理
# ⚠️ 关键：处理完立刻 unlink，否则 node 连带所有子节点不回收
node.unlink()-
doc.expandNode(node)必须在START_ELEMENT后立即调，不能等循环结束再处理 - 不要对
node做node.getElementsByTagName()—— 这会隐式重建子树 - 如果字段在深层子节点（如
record > meta > title），改用手动遍历子节点 + 条件判断，避免 expand 全树
比 pulldom 更稳的选择：xml.sax 和 lxml.iterparse
当 XML 结构固定、只需提取特定路径时，pulldom 的 DOM 接口反而成了负担。这时候更推荐：
-
xml.sax：纯事件驱动，零 DOM 对象，内存恒定。适合“只取几个字段+不做修改”的场景 -
lxml.iterparse：比pulldom快 3–5 倍，支持events=('start', 'end')精确控制，且root.clear()能安全清理已处理分支
例如用 lxml.iterparse 处理百万级 <item></item>：
立即学习“Python免费学习笔记（深入）”；
from lxml import etree
<p>context = etree.iterparse('huge.xml', events=('start', 'end'), tag='item')
for event, elem in context:
if event == 'start':</p><h1>开始一个 item，准备提取属性</h1><pre class='brush:php;toolbar:false;'> item_id = elem.get('id')
elif event == 'end':
# 结束了，立刻清空该节点及其子树内存
elem.clear()
# 防止父节点保留对它的引用
while elem.getprevious() is not None:
del elem.getparent()[0]容易被忽略的兼容性坑
pulldom 在 Python 3.12+ 中已被标记为 deprecated，且不支持命名空间前缀解析（xmlns:ns="..."）。如果你的 XML 有命名空间或要长期维护代码：
- 别依赖
node.namespaceURI——pulldom返回常为None - 用
lxml替代时，注意iterparse默认不解析 DTD，若 XML 含实体定义（如resolve_entities=False - Windows 下读取含 BOM 的 UTF-8 XML，
pulldom.parse()可能报xml.parsers.expat.ExpatError: mismatched tag—— 改用open(..., encoding='utf-8-sig')手动解码后传入 BytesIO
真正卡住人的，往往不是怎么开始解析，而是节点引用没断干净、命名空间没对上、或者文件编码悄悄搞鬼。这些地方一漏，前面所有优化都白搭。
