xml.etree.ElementTree解析发票XML最稳妥：用ET.parse()读文件并处理编码，命名空间需显式声明字典，金额日期须清洗转换，字段映射用字典硬对齐，批量入库用executemany()。
用 xml.etree.ElementTree 解析发票XML最稳妥
Python 标准库的 xml.etree.ElementTree 是处理结构清晰、无命名空间或命名空间可控的发票 XML 的首选。它内存占用低、无需额外安装、对常见嵌套结构（如 Invoice → LineItem → Amount）解析直接。别一上来就用 lxml——除非你明确需要 XPath 2.0、XSLT 或处理带复杂前缀的命名空间。
常见错误是直接调用 ET.fromstring() 却忽略编码声明或 BOM 头，导致解析报错 UnicodeDecodeError 或节点取空。务必先用 open(..., encoding='utf-8-sig') 读文件，或对字符串做 .encode('utf-8').decode('utf-8-sig') 清理。
实操建议：
- 用
ET.parse()代替ET.fromstring()读文件，自动处理编码声明 - 对可能缺失的字段（如
Discount），统一用elem.find('Discount').text if elem.find('Discount') is not None else '0'防止AttributeError - 避免用
.iter()全局遍历——发票结构固定，应精准定位根节点下的.findall('LineItem')
把解析结果映射到数据库表要先对齐字段类型
发票 XML 中的 Amount 看似是数字，但常含千分位逗号或货币符号（如 "¥1,234.56"），直接塞进 DECIMAL(10,2) 字段会报错。同理，InvoiceDate 可能是 "2024-03-15T09:22:13" 或 "15/03/2024"，不标准化就无法入库。
关键不是“存进去”，而是“存得准”。建议在解析后、插入前加一层清洗函数：
-
parse_currency(text)：用re.sub(r'[^\d.-]', '', text)去除非数字字符，再转float或Decimal -
parse_date(text)：优先匹配 ISO 格式（%Y-%m-%dT%H:%M:%S）， fallback 到%d/%m/%Y，失败则设为None - 数据库字段名和 XML 标签名不一致时，用字典硬映射，例如
{'InvoiceNo': 'invoice_number', 'TotalAmount': 'total'}，别依赖动态反射
批量插入时用 executemany() 而非循环 execute()
一张发票常含 5–50 行明细，若对每行都调一次 cursor.execute()，I/O 开销会指数级上升。PostgreSQL 和 SQLite 都支持 executemany()，MySQL 需确认驱动（pymysql 支持，mysql-connector-python 默认关闭批处理）。
注意两个坑：
- 传入的参数必须是
list[tuple]，不是list[dict]；XML 解析出的字典得用[tuple(d.values()) for d in line_items]转换 - SQLite 不支持命名占位符（
:name），必须用?，且顺序严格对应元组字段顺序 - 如果某行数据触发唯一约束冲突（如重复
invoice_number），整个executemany()会中断；需拆成小批次（如每 100 行）并捕获IntegrityError
遇到带命名空间的 XML 别硬写 tag 名
不少电子发票标准（如 UBL、CII）强制使用命名空间，比如 root.find('cbc:ID') 会返回 None——因为冒号不是合法 XML tag 分隔符，而是命名空间前缀。
正确做法是定义命名空间字典：ns = {'cbc': 'urn:oasis:names:specification:ubl:schema:xsd:CommonBasicComponents-2'}，然后所有查找都带这个参数：root.find('cbc:ID', ns)。
容易被忽略的是：同一个 XML 文件里可能混用多个命名空间（如 cbc:、cac:、ext:），必须全部声明，漏一个就会查不到节点。调试时可用 print([elem.tag for elem in root.iter()][:5]) 看实际解析出的带命名空间 tag 全名（通常是 {uri}LocalName 格式），再反推前缀映射。
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！
