python - 为什么 elementtree.ElementTree.iterparse 使用这么多内存？

Question

我正在使用 elementtree.ElementTree.iterparse 来解析大型 (371 MB) xml 文件。

我的代码基本上是这样的:

outf = open('out.txt', 'w') 
context = iterparse('copyright.xml')
context = iter(context)
dummy, root = context.next()

for event, elem in context:
    if elem.tag == 'foo':
        author = elem.text

    elif elem.tag == 'bar':
        if elem.text is not None and 'bat' in elem.text.lower():
            outf.write(elem.text + '\n')
    elem.clear()   #line A
    root.clear()   #line B

我的问题有两个:

首先 - 我是否需要 A 和 B(请参阅代码片段注释)？有人告诉我 root.clear() 会清除不必要的子项，因此内存不会被吞噬，但这是我的观察结果:使用 B 而不是 A 与不使用两者在内存消耗方面是相同的(用任务管理器绘制)。仅使用 A 似乎与同时使用 A 相同。

第二 - 为什么这仍然消耗这么多内存？程序运行时，接近尾声时会使用大约 100 MB 的 RAM。

我认为这与outf有关，但为什么呢？不就是写入磁盘吗？如果它在 outf 关闭之前存储该数据，我该如何避免这种情况？

其他信息:我在 Windows 上使用 Python 2.7.3。

Answer 1

(发布的代码(第二行缩进)不应运行。) http://bugs.python.org/issue14762是一个类似的问题，答案是您应该清除每个元素(A 行)。如果不了解 outf 是什么(或创建它的代码)，就很难回答第二个问题。如果它是一个 StringIO 对象，答案就很明显了。您可以查看跟踪器问题的第二条消息中链接的教程:

http://eli.thegreenplace.net/2012/03/15/processing-xml-in-python-with-elementtree/