Python按标签拆分大型XML文件遇AttributeError报错求助

你的错误AttributeError: 'NoneType' object has no attribute 'text'主要来自两个核心问题：

1. 节点路径错误 #

从XML结构能看到，talkid是嵌套在head标签内部的，并非file的直接子元素。你用elem.find('talkid')无法定位到该节点，会返回None，调用.text自然触发报错。

2. 文件写入逻辑错误 #

• 你已经通过.text获取了content的文本内容，不需要再用ET.tostring()——这个方法是用来序列化XML元素的，不适合处理纯文本。
• 打开文件用wb二进制模式时，不能指定encoding参数；如果要写入文本内容，应该使用w模式。

修正后的代码 #

import xml.etree.ElementTree as ET

all_talks = 'path\\to\\big\\file'

context = ET.iterparse(all_talks, events=('end', ))
for event, elem in context:
    if elem.tag == 'file':
        # 先定位head节点，再找内部的talkid
        head_node = elem.find('head')
        if not head_node:
            elem.clear()
            continue
        talkid_node = head_node.find('talkid')
        if not talkid_node or not talkid_node.text:
            elem.clear()
            continue
        
        # 获取content节点的文本内容
        content_node = elem.find('content')
        if not content_node or not content_node.text:
            elem.clear()
            continue
        
        title = talkid_node.text.strip()
        filename = f"{title}.txt"
        # 用文本模式写入并指定编码
        with open(filename, 'w', encoding='utf-8') as f:
            f.write(content_node.text.strip())
        
        # 清理元素释放内存，处理大XML文件必备操作
        elem.clear()

额外说明 #

• 加入了空节点判断，避免部分file节点缺失head、talkid或content时程序崩溃。
• elem.clear()是处理大型XML的关键，能避免内存占用过高。
• 用strip()去除文本前后的空白字符，让输出内容更整洁。

内容的提问来源于stack exchange，提问作者Leila