from lxml import etree# 打开XML文件with open('enwiki-latest-pages-articles.xml', 'rb') as f: # 创建解析器 parser = etree.XMLPullParser(['start', 'end']) # 循环遍历XML文件 for line in f: parser.feed(line) for event, elem in parser.read_events(): if event == 'end' and elem.tag == '{http://www.mediawiki.org/xml/export-0.10/}page': # 输出页面的标题和内容 title = elem.findtext('{http://www.mediawiki.org/xml/export-0.10/}title') text = elem.findtext('{http://www.mediawiki.org/xml/export-0.10/}revision/{http://www.mediawiki.org/xml/export-0.10/}text') print(title, text[:100]) # 清空元素 elem.clear() # 跳过子元素 while elem.getprevious() is not None: del elem.getparent()[0] del elem 解释每一行代码

1. `from lxml import etree`: 导入lxml库中的etree模块，用于解析XML文件。

2. `with open('enwiki-latest-pages-articles.xml', 'rb') as f:`: 打开XML文件，使用二进制模式读取文件。

3. `parser = etree.XMLPullParser(['start', 'end'])`: 创建解析器，指定要解析的事件类型为开始和结束。

4. `for line in f: parser.feed(line)`: 循环遍历XML文件中的每一行，将其传递给解析器。

5. `for event, elem in parser.read_events():`: 遍历解析器中的事件和元素。每次循环处理一个事件和一个元素。

6. `if event == 'end' and elem.tag == '{http://www.mediawiki.org/xml/export-0.10/}page':`: 判断当前事件是否为元素结束事件，并且元素的标签为页面（page）。

7. `title = elem.findtext('{http://www.mediawiki.org/xml/export-0.10/}title')`: 在页面元素中查找标题（title）元素的文本内容。

8. `text = elem.findtext('{http://www.mediawiki.org/xml/export-0.10/}revision/{http://www.mediawiki.org/xml/export-0.10/}text')`: 在页面元素中查找修订（revision）元素下的文本（text）元素的文本内容。

9. `print(title, text[:100])`: 输出页面的标题和内容的前100个字符。

10. `elem.clear()`: 清空当前元素，以释放内存。

11. `while elem.getprevious() is not None: del elem.getparent()[0]`: 删除当前元素的前一个兄弟元素（如果有）。

12. `del elem`: 删除当前元素，以释放内存。