用iterparse流式解析超大xml可避免oom，需监听end事件、及时clear()、自行管理层级；html解析应选lxml.html.iterparse；结构化对象宜用dataclass映射生成；注意命名空间、编码和缓冲区配置。
用 iterparse 流式解析超大 XML，避免内存爆炸
直接用 ET.parse() 加载 GB 级 XML 会 OOM，iterparse 是唯一可行路径。它不构建完整树，只在触发事件（如 start、end）时返回元素，配合 clear() 及时释放已处理节点。
- 必须监听
end事件再处理数据，start仅用于标记开始，此时子元素尚未就位 - 每次处理完一个完整逻辑单元（比如一个
<record></record>），立刻调用elem.clear()并用root.clear()清空祖先引用 - 别依赖
elem.getparent()——iterparse不维护父引用，需自行栈管理层级 - 示例：解析百万级
<item></item>时，在end触发且elem.tag == 'item'时提取字段，随后elem.clear()
HTML 解析选 lxml.html.iterparse 而非 BeautifulSoup
BeautifulSoup 默认加载整页 DOM，对百 MB HTML 几乎不可用；lxml.html.iterparse 提供与 XML iterparse 一致的流式能力，且原生支持容错解析（如自动闭合标签、修复嵌套）。
- 传入
html=True参数启用 HTML 模式，否则按 XML 严格校验，遇到常见错误（如自闭合<br>）直接报错 - 事件名仍为
start/end，但标签名是小写（'div'而非'DIV'），注意大小写匹配 - 文本内容需从
elem.text和elem.tail分别取 —— 前者是开始标签后、子元素前的文本，后者是结束标签后的文本 - 避免用
.xpath()在未完成的片段上执行 —— 此时 DOM 不完整，结果不可靠；只在end且确认元素闭合后再查
结构化对象生成：用 dataclass + 字段映射，拒绝硬编码字典
边解析边构造对象比先存字典再转类更省内存，且类型安全。用 @dataclass 定义目标结构，字段名与 XML/HTML 标签名或属性名一一对应，再通过预设映射表解耦解析逻辑与业务模型。
使用HTML,CSS,JavaScript开发Android应用程序 英文文字pdf版附源文件
下载
如果你了解HTML，CSS和JavaScript，您已经拥有所需的工具开发Android应用程序。本动手本书展示了如何使用这些开源web标准设计和建造，可适应任何Android设备的应用程序 - 无需使用Java。您将学习如何创建一个在您选择的平台的Android友好的网络应用程序，然后转换与自由PhoneGap框架到一个原生的Android应用程序。了解为什么设备无关的移动应用是未来的潮流，并开始构建应用程序，提供更
- 映射表用字典：如
{'title': './@name', 'price': './price/text()', 'tags': './tag/text()'}，支持 XPath 片段，避免在循环里重复写提取逻辑 - 对可能缺失的字段，用
getattr(elem, 'findtext', lambda x, default=None: default)(path, default)替代直接findtext()，防止 AttributeError - 数值字段（如价格、ID）务必显式转换：
int(...)或float(...)，XML 中全是字符串，延迟转换易在后续计算中暴露问题 - 不要在
dataclass的__post_init__里做耗时操作（如网络请求、文件读写），流式解析要求每条记录毫秒级完成
性能陷阱：命名空间、编码、缓冲区三处最容易卡住
实际跑起来慢，往往不是算法问题，而是这三处配置不对。
- XML 有命名空间？必须传
namespaces=...给find()/xpath()，否则所有查找返回空 —— 即使你肉眼看不见xmlns，某些导出工具默认加了 - 文件用
utf-8-sig或gbk打开？错用编码会导致解析器静默跳过大量内容，表现为“数据少一半”，用chardet先探测再指定 - 底层 I/O 缓冲区太小？对 SSD 或网络文件，显式用
open(path, buffering=8192)（默认 8KB 太小），大文件建议设为 64KB–256KB - 别在解析循环里打印日志 ——
print()是同步阻塞操作，百万条记录能拖慢 3–5 倍；改用异步 logger 或批量写入临时文件
真正难的不是写通逻辑，而是让 iterparse 在不同编码、混合命名空间、破损 HTML 下稳定吐出干净字段 —— 这部分调试占实际开发时间 70% 以上。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
