Python如何筛选XML中符合文件大小条件的节点生成新XML文件

全程使用Python标准库实现，无需安装额外第三方依赖，核心用到xml.etree.ElementTree做XML解析处理、os模块获取文件大小。

核心逻辑 #

• 读取解析original.xml文件，拿到XML根节点
• 遍历所有<DATA>子节点，提取节点文本存储的文件路径
• 计算对应文件的字节大小，仅保留文件大小大于10MB（即101024*1024 = 10485760字节）*的节点，删除不符合条件的节点
• 将处理完成的XML结构格式化后写入新文件

完整实现代码 #

import xml.etree.ElementTree as ET
import os

# 基础配置
ORIGIN_XML_PATH = "original.xml"
OUTPUT_XML_PATH = "filtered.xml"
SIZE_THRESHOLD = 10 * 1024 * 1024  # 10MB对应的字节数

# 加载解析原始XML
tree = ET.parse(ORIGIN_XML_PATH)
root = tree.getroot()

# 遍历节点时用list做一层拷贝，避免遍历过程中删节点导致的漏遍历问题
for data_node in list(root.iter("DATA")):
    file_path = data_node.text.strip()
    try:
        file_size = os.path.getsize(file_path)
        # 文件大小不满足阈值就移除对应节点
        if file_size <= SIZE_THRESHOLD:
            root.remove(data_node)
    except OSError:
        # 文件不存在、无读权限等访问异常场景，默认移除对应节点，可按需调整为保留/打印日志
        root.remove(data_node)

# 自动格式化XML缩进（仅Python 3.9及以上版本支持）
ET.indent(tree, space="    ", level=0)

# 写入新XML文件，保持UTF-8编码和标准XML声明头
tree.write(
    OUTPUT_XML_PATH,
    encoding="UTF-8",
    xml_declaration=True
)

注意事项 #

• 代码中10MB按操作系统通用的二进制规则换算（1MB=1024KB），如果需要按十进制规则（1MB=1000KB）计算，直接修改SIZE_THRESHOLD的数值即可
• 若使用Python3.9以下版本，删除ET.indent相关代码也可正常生成符合语义的XML文件，仅输出内容无换行缩进，不影响文件正常使用
• 异常分支的处理逻辑可根据实际业务需求调整，比如访问失败时保留节点、打印错误路径等

内容的提问来源于stack exchange，提问作者Abhishek N