如何从XML中读取数据到内存

在开发过程中，我们经常会遇到需要处理XML格式数据的场景，比如读取应用的配置文件、解析第三方接口返回的XML格式响应等，核心需求就是把XML中的数据提取出来并存储到内存的变量中方便后续使用。不同的XML解析方式有不同的特点，我们可以根据实际需求选择合适的方法。

XML文件示例

我们先准备一个用于测试的XML文件，命名为test_data.xml，内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<user_list>
    <user id="1">
        <name>张三</name>
        <age>25</age>
        <email>zhangsan@ipipp.com</email>
    </user>
    <user id="2">
        <name>李四</name>
        <age>28</age>
        <email>lisi@ipipp.com</email>
    </user>
</user_list>

使用DOM解析方式读取XML到内存

DOM解析会把整个XML文档加载到内存中，形成一个树形结构，我们可以遍历这个树来获取需要的数据，适合处理较小的XML文件。

实现步骤

• 导入Python内置的xml.dom.minidom模块
• 使用parse方法加载XML文件，得到DOM对象
• 通过DOM对象的方法获取对应的节点，提取节点内容和属性
• 把提取到的数据存储到内存的数据结构中，比如列表、字典

代码示例

import xml.dom.minidom

def read_xml_by_dom(file_path):
    # 加载XML文件到内存，得到DOM对象
    dom_tree = xml.dom.minidom.parse(file_path)
    # 获取根节点
    root = dom_tree.documentElement
    # 获取所有user节点
    user_nodes = root.getElementsByTagName("user")
    # 存储用户数据的列表，放在内存中
    user_list = []
    for user_node in user_nodes:
        # 获取user节点的id属性
        user_id = user_node.getAttribute("id")
        # 获取name节点的文本内容
        name_node = user_node.getElementsByTagName("name")[0]
        name = name_node.childNodes[0].data
        # 获取age节点的文本内容
        age_node = user_node.getElementsByTagName("age")[0]
        age = age_node.childNodes[0].data
        # 获取email节点的文本内容
        email_node = user_node.getElementsByTagName("email")[0]
        email = email_node.childNodes[0].data
        # 把单个用户数据存入字典
        user_info = {
            "id": user_id,
            "name": name,
            "age": age,
            "email": email
        }
        user_list.append(user_info)
    return user_list

if __name__ == "__main__":
    result = read_xml_by_dom("test_data.xml")
    # 打印内存中的用户数据
    for item in result:
        print(item)

使用SAX解析方式读取XML到内存

SAX解析是事件驱动的解析方式，不会一次性把整个XML加载到内存，而是边解析边触发对应的事件，适合处理较大的XML文件，内存占用更低。

实现步骤

• 导入Python内置的xml.sax模块
• 自定义一个继承自xml.sax.ContentHandler的处理器类，重写对应的事件方法
• 创建解析器和处理器实例，绑定后开始解析
• 在事件方法中提取数据，存储到内存的数据结构中

代码示例

import xml.sax

class UserHandler(xml.sax.ContentHandler):
    def __init__(self):
        self.user_list = []
        self.current_user = {}
        self.current_tag = ""
        self.content = ""

    def startElement(self, tag, attrs):
        self.current_tag = tag
        if tag == "user":
            # 开始解析user节点，初始化当前用户数据
            self.current_user = {}
            self.current_user["id"] = attrs["id"]

    def characters(self, content):
        # 记录节点内的文本内容
        if self.current_tag in ["name", "age", "email"]:
            self.content += content

    def endElement(self, tag):
        if tag == "name":
            self.current_user["name"] = self.content.strip()
        elif tag == "age":
            self.current_user["age"] = self.content.strip()
        elif tag == "email":
            self.current_user["email"] = self.content.strip()
        elif tag == "user":
            # user节点解析结束，把用户数据加入列表
            self.user_list.append(self.current_user)
        self.current_tag = ""
        self.content = ""

def read_xml_by_sax(file_path):
    # 创建XML解析器
    parser = xml.sax.make_parser()
    # 关闭命名空间处理
    parser.setFeature(xml.sax.handler.feature_namespaces, 0)
    # 创建处理器实例
    handler = UserHandler()
    parser.setContentHandler(handler)
    # 开始解析文件
    parser.parse(file_path)
    return handler.user_list

if __name__ == "__main__":
    result = read_xml_by_sax("test_data.xml")
    for item in result:
        print(item)

两种方式的对比

我们可以通过下面的表格对比两种解析方式的特点，方便选择：

注意事项

• 读取XML文件时要注意文件的编码格式，和XML声明中的encoding保持一致，避免出现乱码
• 如果XML文件来自不可信的来源，要注意避免XXE漏洞，不要开启外部实体解析
• 提取到的数据如果需要后续做类型转换，比如把age从字符串转为整数，要在存储到内存后做对应的处理

XML数据读取内存操作Python解析器修改时间：2026-07-14 23:51:30