Python如何从XML中提取所有文本内容

发布时间 - 2026-01-09 00:00:00 点击率：次

最常用且可靠的方式是用xml.etree.ElementTree或lxml，核心是遍历元素并递归收集.text和.tail属性值，注意判空、去空白及编码处理。

Python中提取XML所有文本内容，最常用且可靠的方式是用xml.etree.ElementTree（标准库）或第三方库lxml。核心思路是：遍历所有元素，获取其.text和.tail属性，并递归处理子元素。

使用ElementTree提取全部文本（推荐初学者）

ElementTree无需安装，适合简单到中等复杂度的XML。注意它默认不保留空白文本，若需完整文本（含换行缩进），建议用xml.etree.ElementTree.XMLParser配合strip_cdata=False，但更关键的是要同时收集text和tail：

element.text：元素开始标签与第一个子元素（或结束标签）之间的文本
element.tail：元素结束标签与下一个兄弟元素开始标签之间的文本（常被忽略！）
递归遍历时，对每个元素先加text，再递归子元素，最后加tail

代码示例：安全提取全部可见文本

以下函数会返回去除首尾空白、跳过纯空白节点后的所有文本片段（保留自然断句）：

import xml.etree.ElementTree as ET

def extract_all_text(root): texts = []

def walk(elem):
    if elem.text and elem.text.strip():
        texts.append(elem.text.strip())
    for child in elem:
        walk(child)
    if elem.tail and elem.tail.strip():
        texts.append(elem.tail.strip())

walk(root)
return texts

使用示例

xml_str = """Python教程

第一段内容。

第二段内容。

""" root = ET.fromstring(xml_str) p

rint(extract_all_text(root))

输出：['Python教程', '第一段内容。', '第二段内容。']

需要保留格式或处理HTML混入时用lxml

若XML含命名空间、CDATA、注释，或你想更精准控制（比如只取“可见文本”，跳过注释/处理指令），lxml更强大：

安装：pip install lxml
用etree.tostring(elem, method='text', encoding='unicode')可一键提取某元素内所有文本（含子元素），但会合并空格
更精细控制可用itertext()方法：''.join(elem.itertext()) 返回该元素及其后代的所有文本内容（不含标签）

注意事项与常见坑

提取“所有文本”不等于“所有字符串”。需注意：

XML注释（）、处理指令、DTD声明默认不被ElementTree解析，lxml可通过设置解析器参数捕获
text和tail可能为None，务必判空再调.strip()
如果XML编码不是UTF-8，解析前需显式指定（如ET.fromstring(xml_bytes, parser=ET.XMLParser(encoding='gbk'))）
想获得带换行/缩进的原始文本？需用minidom或lxml的pretty_print=False配合手动遍历，但通常不必要

# python # html # 编码 # app # ai # 标准库

相关栏目：【网站优化151355 】【网络推广146373 】【网络技术251813 】【 AI营销90571 】

上一篇：日历上的节气怎么查看二十四节气在日历中快速查找方法【指南】

下一篇：如何在 mgo 中对结构体指针进行自定义序列化（如仅存储 I

相关栏目网站优化
网络推广
网络技术
AI营销

最新文章 Sublime怎么一键压缩JS代码 Su sublime如何在搜索中使用正则表达式 Sublime如何设置透明窗口效果 Su mysql如何设计商品表结构_mysql css属性背景图不显示怎么办_通过检查路如何使用Golang实现排序_Golan 农历闰月是怎么回事_为合回归年加一月调整塑造《刺客信条》艾吉奥传奇的编剧离开育碧 1英里等于多少公里 1mile和km的换 css grid布局中行和列是如何定义的 PS批量旋转和翻转图片，快速校正图片方向 C# Swagger UI自定义方法 C OPPO手机九宫格和全键盘怎么切换_OP Go语言如何实现用户登录注册_Golan 1节飞行速度多少公里每小时 1节是多少公纸嫁衣8千子树第五章庙门怎么开启庙门 Laravel 多行数据编辑表单中实现逐明日之后如何提升钓鱼等级明日之后提升钓支付宝怎样查年度账单_支付宝年度账单查看 C# 多线程UI更新Dispatcher

上一篇：日历上的节气怎么查看二十四节气在日历中快速查找方法【指南】

下一篇：如何在 mgo 中对结构体指针进行自定义序列化（如仅存储 I