我强烈建议在此使用SAX解析器。我不建议
minidom在任何大于几兆字节的XML文档上使用。我已经看到它在大约10MB的XML文档中使用了大约400MB的RAM读取。我怀疑您遇到的问题是由于
minidom请求过多的内存而引起的。
Python带有XML SAX解析器。要使用它，请执行以下操作。
from xml.sax.handlers import ContentHandlerfrom xml.sax import parseclass MyContentHandler(ContentHandler): # override various ContentHandler methods as needed...handler = MyContentHandler()parse("mydata.xml", handler)你的
ContentHandler子类将覆盖各种方法的ContentHandler（如
startElement，
startElementNS，
endElement，
endElementNS或
characters通过SAX解析器生成的这些处理事件，因为它在读取你的XML文档。
与DOM相比，SAX是处理XML的“更底层”方法。除了从文档中提取相关数据之外，ContentHandler还需要进行工作，以跟踪其当前包含的元素。从好的方面来看，由于SAX解析器不会将整个文档都保留在内存中，因此它们可以处理任何大小的XML文档，包括比您大的XML文档。
我还没有尝试过使用其他的DOM解析器，例如在这种大小的XML文档上使用lxml，但是我怀疑lxml仍会花费大量时间并使用大量内存来解析XML文档。如果每次运行代码都必须等待它读取84MB
XML文档，则这可能会减慢开发速度。
最后，我认为您提到的希腊，西班牙和阿拉伯字符不会造成问题。
