XML是一种常用的结构化数据交换格式，SQLite是轻量级的嵌入式数据库，二者结合可以满足很多本地数据存储的需求。Python标准库中提供了xml.etree.ElementTree模块用于解析XML，sqlite3模块用于操作SQLite数据库，无需安装额外依赖就能完成数据解析和存储的全流程。本文按照从XML文件准备、数据解析、表结构创建、数据插入到结果验证的顺序，详细说明每一步的实现方式，并讨论编码处理与数据校验等常见问题。
准备XML数据文件
XML文件以树形结构存储数据，每个节点由标签、属性和文本组成。在开始解析之前，需要先准备一个结构清晰的XML文件。本文使用一个存储用户信息的user_data.xml文件作为示例，根节点为<users>，其中包含多个<user>子节点。每个<user>节点下又包含<id>、<name>、<age>、<email>四个字段，分别表示用户编号、姓名、年龄和邮箱地址。文件编码声明为UTF-8，能够正确保存中文字符。
以下为示例XML文件的内容：
<?xml version="1.0" encoding="UTF-8"?>
<users>
<user>
<id>1</id>
<name>张三</name>
<age>25</age>
<email>zhangsan@ipipp.com</email>
</user>
<user>
<id>2</id>
<name>李四</name>
<age>28</age>
<email>lisi@ipipp.com</email>
</user>
</users>
根节点<users>是数据集的容器，<user>节点对应单条记录，<id>、<name>、<age>、<email>是记录的具体字段。在后续Python代码中，这些节点名称将作为find和findall方法的参数使用。实际项目中可以根据具体需求调整字段，但必须保证XML结构、解析代码和数据库表结构三者保持一致，否则容易出现数据错位或缺失。
使用ElementTree解析XML数据
xml.etree.ElementTree模块提供了轻量级的XML解析能力。parse函数可以加载XML文件并返回ElementTree对象，通过该对象的getroot方法可以获得根节点。根节点上的findall方法根据节点名称查找所有直接子节点，返回节点列表；节点上的find方法用于查找单个子节点，而text属性用于获取节点的文本内容。
下面的代码首先加载XML文件，然后遍历每个<user>节点，使用find分别提取四个字段的值，并将每条记录以字典形式存入列表。使用字典可以让后续插入数据库时按字段名读取，降低因参数顺序错误而导致的数据混乱风险。
import xml.etree.ElementTree as ET
# 加载XML文件
tree = ET.parse('user_data.xml')
# 获取根节点
root = tree.getroot()
# 存储解析后的用户数据
user_list = []
# 遍历所有user节点
for user in root.findall('user'):
user_id = user.find('id').text
name = user.find('name').text
age = user.find('age').text
email = user.find('email').text
# 将数据以字典形式存入列表
user_list.append({
'id': user_id,
'name': name,
'age': age,
'email': email
})
# 打印解析结果进行验证
for item in user_list:
print(item)
需要说明的是，find方法在找不到指定子节点时会返回None，此时直接访问.text属性会抛出AttributeError异常。示例XML结构完整，因此可以直接访问。如果实际数据可能缺少某些字段，可以在解析时增加存在性判断，例如使用if user.find('id') is not None:来避免异常，但为了保持示例简洁，本文不展开处理缺失字段的情况。
创建SQLite数据库和用户表
sqlite3.connect函数用于连接SQLite数据库，当指定数据库文件不存在时会自动创建。连接对象提供cursor方法创建游标，游标负责执行SQL语句并获取结果。CREATE TABLE IF NOT EXISTS语句可以重复执行而不会覆盖已有表，适合初始化脚本反复运行的场景。
表结构中的字段与XML节点一一对应：id作为主键，类型为整数；name和email为文本；age为整数。实际应用中可以增加更多约束条件，例如为name字段添加NOT NULL，为email字段建立唯一索引等，以提高数据完整性和查询效率。以下代码演示了建表过程：
import sqlite3
# 连接SQLite数据库，文件不存在时会自动创建
conn = sqlite3.connect('user.db')
# 创建游标对象
cursor = conn.cursor()
# 创建用户表，字段类型与XML数据对应
create_table_sql = '''
CREATE TABLE IF NOT EXISTS user (
id INTEGER PRIMARY KEY,
name TEXT NOT NULL,
age INTEGER,
email TEXT
)
'''
cursor.execute(create_table_sql)
# 提交事务
conn.commit()
执行建表语句后需要调用commit提交事务。SQLite对DDL语句通常会自动提交，但显式提交可以确保行为一致。连接使用完毕后应关闭游标和连接以释放资源。在后续插入数据时，可以继续使用同一个连接和游标，也可以重新建立连接，具体取决于程序的生命周期设计。
将解析结果插入SQLite数据库
插入数据时推荐使用参数化查询，即在SQL语句中使用问号占位符，然后通过execute方法的第二个参数传入实际值元组。参数化查询可以避免SQL注入，因为数据库驱动会将参数作为值处理，而不是作为SQL代码执行。即使输入数据中包含特殊字符，也不会破坏SQL语句结构。
下面的代码遍历之前解析得到的user_list，逐条执行INSERT语句。每条记录按字段顺序传入参数，顺序必须与SQL语句中的问号占位符一一对应。
# 准备插入语句，使用问号占位符
insert_sql = 'INSERT INTO user (id, name, age, email) VALUES (?, ?, ?, ?)'
# 逐条遍历用户数据列表并插入
for user in user_list:
cursor.execute(insert_sql, (user['id'], user['name'], user['age'], user['email']))
# 提交事务，保存插入的数据
conn.commit()
# 关闭游标和连接
cursor.close()
conn.close()
对于大量数据的批量插入场景，可以使用executemany方法。该方法接受同一条SQL语句和一个可迭代对象，可迭代对象中的每个元素都是一个参数元组。相比循环调用execute，executemany可以减少数据库交互次数，显著提高插入效率。下面的代码展示了批量插入的用法，其中user_list来自前文解析步骤：
# 将user_list转换为参数元组列表 records = [(user['id'], user['name'], user['age'], user['email']) for user in user_list] # 一次性插入多条记录 cursor.executemany(insert_sql, records) # 提交事务 conn.commit() cursor.close() conn.close()
当数据量较大时，建议优先使用executemany，它能够在保持代码简洁的同时提升性能。需要注意的是，executemany中的参数可迭代对象不能是生成器一次性消耗后无法重复使用的情况，但在列表推导式生成的列表中不存在该问题。
处理编码问题与数据校验
XML文件中如果包含中文，必须确保XML声明中的encoding属性与实际文件编码一致，否则解析时会出现乱码或编码错误。当遇到编码问题时，可以在打开文件时显式指定编码格式，再将其传递给ET.parse函数。以下代码使用open函数以UTF-8编码读取XML文件：
# 显式指定编码打开XML文件，避免编码不一致导致的乱码
with open('user_data.xml', 'r', encoding='utf-8') as f:
tree = ET.parse(f)
数据校验是确保数据库质量的重要环节。插入数据前可以对解析出的字段进行检查，例如判断id是否为数字、age是否在合理范围内、邮箱格式是否合法等。无效数据可以被跳过、记录日志或抛出异常，避免污染数据库。例如，对于id字段，可以使用字符串的isdigit方法判断其是否为纯数字；对于邮箱，可以使用简单的条件判断或正则表达式进行格式检查。本文不展示具体校验代码，但在实际项目中应当根据业务需求设计合理的校验规则。
如果使用executemany进行批量插入，可以在构建参数元组列表的同时加入过滤逻辑，只保留通过校验的数据。这样可以减少数据库写入无效记录的次数，同时提高整体处理流程的健壮性。
查询验证存储结果
数据插入完成后，通常需要重新连接数据库查询数据，以验证存储是否成功。重新连接可以避免因之前连接状态不确定而影响查询结果。执行SELECT * FROM user语句并使用fetchall获取所有行，然后遍历打印每一行记录。
下面的代码演示了查询验证过程：
import sqlite3
# 重新连接数据库
conn = sqlite3.connect('user.db')
cursor = conn.cursor()
# 查询用户表中的全部数据
cursor.execute('SELECT * FROM user')
rows = cursor.fetchall()
# 打印查询结果
for row in rows:
print(row)
# 关闭游标和连接
cursor.close()
conn.close()
查询结果应当与解析得到的user_list中的内容一致。如果发现字段值缺失、乱码或顺序错误，应当检查XML文件编码是否统一、解析路径是否正确、INSERT语句中的参数顺序是否与字段顺序匹配，以及是否在插入后正确提交了事务。这些步骤中的任何一个环节出现问题，都可能导致数据不一致。
验证无误后即可关闭数据库连接。至此，从XML解析到SQLite存储的完整流程已经结束。该方案充分利用Python标准库的能力，无需额外安装第三方包，适合本地数据处理、配置文件解析、日志分析等场景。通过合理组织代码，可以将解析逻辑、建表逻辑和插入逻辑封装成函数或类，进一步提高代码复用性和可维护性。
总结来说，本文展示了使用xml.etree.ElementTree解析XML、使用sqlite3存储数据的基本流程。核心步骤包括：准备结构清晰的XML文件、通过findall和find提取节点文本、创建与XML字段对应的SQLite数据表、使用参数化查询或executemany插入数据，以及通过查询验证结果。在实际应用中，还应关注编码一致性和数据校验等问题，确保存储的数据准确可靠。