Python移除含特定子元素的XML元素大文件处理失效问题

• 需求：当XML中的element1元素包含特定子元素<foo STyp="foo"></foo>时，删除整个element1元素。
• 异常现象：基于xml.etree.ElementTree编写的实现代码在小型XML样本文件上运行完全正常，但处理20MB以上的大型XML文件时，仅能删除部分符合条件的元素，首次运行无任何异常报错；需要对输出结果反复多次运行代码，才能删除全部预期要移除的元素，无法定位小文件正常、大文件异常的原因。

<root>
<element1>
  <sub1>
    <subsub1>
    </subsub1>
  </sub1>
  <sub2>
    <subsub2>
       <foo STyp="foo">
         <bar>
         </bar>
       </foo>
    </subsub2>
  </sub2>
</element1>
</root>

import xml.etree.ElementTree as ET

tree = ET.parse("my.xml")

for root in tree.iter():
    for element1 in root:
            el = element1.find('foo')
            if el is not None:
                root.remove(element1)

tree.write('1.xml')

原有代码存在两个核心问题：

1. 遍历列表同时修改列表导致索引错位：代码在遍历父节点的直接子元素列表的过程中，直接执行删除操作。当删除索引为i的子元素后，原索引i+1的元素会前移到i位置，下一轮循环会直接读取索引i+1的元素，导致刚前移的元素被跳过，最终出现部分符合条件的元素漏删的情况。小文件中符合删除条件的元素少、位置不连续时不会触发该错位问题，因此看起来运行正常；大文件中符合条件的元素多、存在连续分布的情况时，漏删问题就会暴露。
2. 元素查找逻辑不符合实际结构：代码中使用element1.find('foo')仅能查找element1的直接子节点中的foo元素，但参考示例中目标foo节点是嵌套在sub2/subsub2路径下的后代节点，直接查找直接子节点会漏匹配嵌套层级较深的目标元素。

修复逻辑分两步：先遍历全量节点，收集所有符合删除条件的element1元素和对应的父节点，遍历完成后再统一执行删除操作，规避遍历中修改列表的错位问题；同时修正XPath查找规则，匹配element1任意层级下带STyp="foo"属性的foo节点。

import xml.etree.ElementTree as ET

tree = ET.parse("my.xml")
to_remove = []

# 第一阶段：收集所有待删除元素，不做修改操作
for parent in tree.iter():
    for element1 in parent:
        # 查找当前element1下任意层级、属性符合要求的foo节点
        target_node = element1.find('.//foo[@STyp="foo"]')
        if target_node is not None:
            to_remove.append((parent, element1))

# 第二阶段：统一删除所有待删元素
for parent, ele in to_remove:
    parent.remove(ele)

# 输出时指定编码和XML声明，避免乱码
tree.write('1.xml', encoding='utf-8', xml_declaration=True)

内容的提问来源于stack exchange，提问作者J B