迭代解析一个大的XML文件，而无需使用DOM方法

Question

我有一个XML文件

<temp> 
    <email id="1" Body="abc"/> 
    <email id="2" Body="fre"/> 
    . 
    . 
    <email id="998349883487454359203" Body="hi"/> 
</temp> 

我想读的每一封电子邮件标记的XML文件。也就是说，一次我想读取电子邮件ID = 1 ...从中提取身体，读取电子邮件ID = 2 ...并从中提取身体...等等

我试图做到这一点使用DOM模型进行XML解析，因为我的文件大小为100 GB ..方法不起作用。我然后尝试使用：

from xml.etree import ElementTree as ET 
    tree=ET.parse('myfile.xml') 
    root=ET.parse('myfile.xml').getroot() 
    for i in root.findall('email/'): 
       print i.get('Body') 

现在，一旦我得到根..我不明白为什么我的代码不能解析。

在使用iterparse抛出下面的错误代码：

"UnicodeEncodeError: 'ascii' codec can't encode character u'\u20ac' in position 437: ordinal not in range(128)" 

有人可以帮

Answer 1

一个例子iterparse：

import cStringIO 
from xml.etree.ElementTree import iterparse 

fakefile = cStringIO.StringIO("""<temp> 
    <email id="1" Body="abc"/> 
    <email id="2" Body="fre"/> 
    <email id="998349883487454359203" Body="hi"/> 
</temp> 
""") 
for _, elem in iterparse(fakefile): 
    if elem.tag == 'email': 
     print elem.attrib['id'], elem.attrib['Body'] 
    elem.clear() 

只需用实际文件替换fakefile。 另请参阅this了解更多详情。