用xmltodict将XML转为Python字典最稳妥，但需手动处理命名空间、文本混合、类型转换、单复数一致性及批量写入优化。
XML解析失败：别硬写DOM/SAX，用xmltodict转成Python字典最稳
直接用标准库xml.etree.ElementTree容易掉进命名空间、文本混合子节点、属性嵌套的坑里；而xmltodict把XML当配置文件读，天然适配MongoDB需要的嵌套结构。它不校验schema，也不强制类型，正好匹配BSON的宽松性。
- 安装：
pip install xmltodict - 对含
<?xml version="1.0"?>或带xmlns的文档，加process_namespaces=True参数，否则根下字段全丢 - 注意
xmltodict.parse()默认把同名兄弟节点转成list，哪怕只有一个——MongoDB存{"items": {"name": "a"}}和{"items": [{"name": "a"}]}是两回事，后续查起来差很远 - 如果XML里有纯文本混在标签中（如
<price>$19.99<unit>USD</unit></price>），xmltodict会把文本塞进#text键，得提前清理或重映射
字段类型错乱：XML全是字符串，MongoDB要数字/日期得手动转
XML没有类型概念，<age>25</age>和<active>true</active>进MongoDB后都是字符串，查询{age: {$gt: 20}}会失效，active: true也永远不匹配。
- 别依赖自动转换——MongoDB驱动不会猜你本意，
insert_one()前必须显式转类型 - 用
int()/float()转数值，但先strip()空格，否则ValueError - 布尔值统一按
str(val).lower() in ("true", "1", "yes")判断，XML里true、True、1都常见 - 日期字段（如
<created>2023-05-12T08:30:00Z</created>）用datetime.fromisoformat()或dateutil.parser.parse()，别用strptime硬写格式
数组与单对象不一致：XML里“一个”和“多个”标签结构不同，MongoDB却要统一处理
xmltodict把重复标签转成list，但只有一个时给的是单个dict——这导致同一字段在不同文档里可能是dict或list，插进MongoDB后字段类型不一致，聚合查询$unwind直接报错。
- 统一用
ensure_list = lambda x: x if isinstance(x, list) else [x] if x is not None else [] - 特别注意根元素：如果XML只有单个
<user>...</user>，xmltodict.parse()返回的是{"user": {...}}，不是[{"user": ...}]，别误以为整个文档是数组 - 插入前检查关键字段类型，加断言：
assert isinstance(doc.get("tags"), list)，比后期查不到数据再debug快得多
性能瓶颈不在解析，而在批量写入：别用insert_one()循环插
逐条insert_one()走网络往返，XML文件一过百MB，耗时爆炸；但insert_many()又要求所有文档结构高度一致，而XML天生松散。
- 先用生成器分批解析：
for chunk in iter_xml_docs(xml_file, batch_size=1000): db.collection.insert_many(chunk) - 每批做一次字段标准化（类型转换 + 数组归一），而不是解析完再统一扫一遍——内存扛不住大文件
- 关闭
ordered=False可跳过单条失败中断，但得自己捕获BulkWriteError里的details['writeErrors']看哪条崩了 - 别忘建索引：导入完立刻对常用查询字段（如
id、timestamp）运行create_index()，否则第一次find()就卡住
真正卡住人的从来不是怎么把XML读进来，而是字段类型和数组形态在不同文档间悄悄变异；多打一行print(type(doc.get('items')))比翻三遍文档管用。
