startelement中标签名和属性分别通过name（str）与attrs（attributesimpl）获取；attrs不支持下标索引，须用get()或items()；命名空间会使name含uri前缀；需手动维护状态并配合endelement和characters使用。
startElement 方法里怎么拿到标签名和属性
标签名和属性都从 name 和 attrs 两个参数来，不是从字符串里自己切——这是初学者最常绕弯的地方。其中 name 是 str，直接可用；attrs 是 xml.sax.xmlreader.AttributesImpl 类型，它支持按 key 查（attrs.get('id')），也支持遍历（attrs.items()），但不支持直接用方括号索引（attrs['id'] 会报 TypeError）。
常见错误现象：写成 attrs['class'] 导致解析中断；或把 name 当成带尖括号的完整标签（比如误以为是 "<user>"</user>），其实只是 "user"。
-
attrs.get('required')安全取值，没这个属性就返回None - 需要默认值时用
attrs.get('type', 'text') - 遍历所有属性：用
for k, v in attrs.items():，别用.keys()再去查
为什么 startElement 不触发或只触发一次
多半是 XML 源数据本身有问题，xml.sax 默认不处理 DTD 或命名空间，遇到不规范的声明或编码问题会静默失败或跳过后续解析。
典型场景：读取网络返回的 XML、本地文件含 BOM、或者用了 xmlns 但没重写 startPrefixMapping。这时候 startElement 可能根本不会被调用，或者只在根节点触发一次，子节点全没了。
立即学习“Python免费学习笔记（深入）”；
- 确保文件以 UTF-8 无 BOM 打开：
open(path, 'rb')+xml.sax.parse()，别用open(..., encoding='utf-8')直接传字符串 - 如果 XML 带命名空间（如
<rss xmlns="http://purl.org/rss/1.0/"></rss>），name实际是"{http://purl.org/rss/1.0/}rss"，得用字符串前缀匹配，不能硬比"rss" - 加个空的
error处理器能看到真实报错：parser.setErrorHandler(xml.sax.handler.ErrorHandler())
在 startElement 里该不该存状态变量
可以存，但必须小心生命周期——ContentHandler 实例是复用的，同一个对象会贯穿整个解析过程。如果你在 startElement 里给 self.current_tag = name，那它会在下一次 startElement 被覆盖，而 characters 回调里读到的可能是上一个标签的内容。
容易踩的坑：用全局变量或类属性缓存中间状态，却忘了在 endElement 清掉，导致后续标签逻辑错乱；或者在 characters 里直接拼接文本，但没跳过空白换行，结果把缩进当内容。
- 进标签时设标志：
if name == 'title': self.in_title = True - 出标签时清标志：
def endElement(self, name): if name == 'title': self.in_title = False -
characters中只处理self.in_title为真时的非空白文本：text.strip()再追加
和 xml.etree.ElementTree 比，sax 适合什么场景
适合大文件流式解析（几百 MB 以上）、内存受限、或只需要提取少量字段的场景。它不建树、不缓存，边读边触发回调，峰值内存基本恒定。但代价是：没有父/子/兄弟导航，不能 XPath 查询，也不能改写或序列化。
性能影响明显：100MB XML，ElementTree.parse() 可能吃掉 1.5GB 内存并卡住几秒；sax.parse() 通常稳定在 20MB 内存、秒级完成。但如果你要找“所有 user 下的第三个 email”，用 sax 就得自己数层级、记栈深，很容易漏或错。
- 纯抽取：用 sax 更稳
- 要校验结构、反复查询、或后续还要生成 XML：老实用
ElementTree或lxml - 混合方案可行：用 sax 快速扫一遍定位目标块，再用
ElementTree.fromstring()解析那一段小片段
startElement，而是搞清哪些状态必须靠你自己维护、哪些边界条件（比如空标签、嵌套同名标签、非法字符）会悄悄让回调顺序出错。一旦开始依赖 self 上的临时变量，就得同步考虑 endElement 和 characters 的配合节奏——这里没语法错误，但错一点，结果就偏很远。 
