在Python开发中，从XML文件中提取所有文本内容是常见的数据处理需求，无论是解析接口返回的XML数据，还是读取本地XML配置文件，都需要掌握对应的实现方法。Python提供了多种XML解析方案，不同方案的操作逻辑和适用场景存在差异，开发者可以根据实际需求选择合适的方式。
使用内置xml.etree.ElementTree模块提取
xml.etree.ElementTree是Python标准库自带的XML解析模块，无需额外安装，适合大多数常规XML解析场景。提取所有文本的核心思路是遍历XML的所有节点，收集每个节点的text属性内容。
基础实现示例
以下是提取XML全部文本的完整代码：
import xml.etree.ElementTree as ET
# 解析XML字符串
xml_data = """<root>
<user>
<name>张三</name>
<age>25</age>
<hobby>
<item>篮球</item>
<item>阅读</item>
</hobby>
</user>
</root>"""
# 加载XML数据
root = ET.fromstring(xml_data)
# 递归遍历所有节点提取文本
def extract_all_text(element):
text_list = []
# 如果当前节点有文本内容，添加到列表
if element.text and element.text.strip():
text_list.append(element.text.strip())
# 遍历所有子节点
for child in element:
text_list.extend(extract_all_text(child))
# 如果子节点有尾文本，添加到列表
if child.tail and child.tail.strip():
text_list.append(child.tail.strip())
return text_list
# 执行提取
all_text = extract_all_text(root)
print("提取到的所有文本：", all_text)
上述代码中，递归函数extract_all_text会遍历XML的每一个节点，不仅收集节点的text属性，还会收集节点的tail属性，避免遗漏节点标签后的文本内容。如果是解析本地XML文件，只需要把ET.fromstring(xml_data)替换为ET.parse("文件路径").getroot()即可。
使用lxml库提取文本
lxml是第三方XML解析库，解析速度比内置模块更快，还支持XPath语法，适合处理复杂的XML结构。使用前需要先通过pip install lxml安装。
XPath方式提取
lxml支持用XPath的//text()语法直接获取所有文本节点，实现更加简洁：
from lxml import etree
xml_data = """<root>
<user>
<name>李四</name>
<age>30</age>
<hobby>
<item>跑步</item>
<item>绘画</item>
</hobby>
</user>
</root>"""
# 解析XML
root = etree.fromstring(xml_data.encode("utf-8"))
# 使用XPath提取所有文本
all_text = root.xpath("//text()")
# 过滤空白文本
valid_text = [text.strip() for text in all_text if text.strip()]
print("提取到的所有文本：", valid_text)
这种方式不需要手动递归遍历节点，XPath会自动匹配所有文本节点，最后只需要过滤掉空白内容即可得到所有有效文本，代码量更少，执行效率也更高。
两种方案对比
两种常见的XML文本提取方案的特点如下：
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| xml.etree.ElementTree | 内置无需安装，兼容性好 | 解析速度较慢，不支持XPath | 简单XML解析，不想引入第三方依赖 |
| lxml | 解析速度快，支持XPath，功能丰富 | 需要额外安装 | 复杂XML结构，追求解析效率 |
注意事项
- XML中的空白字符（换行、缩进）也会被识别为文本，提取后需要做好过滤处理，避免无用内容干扰后续逻辑。
- 如果XML包含命名空间，使用XPath提取时需要注意命名空间的匹配规则，避免提取不到内容。
- 处理超大XML文件时，建议使用迭代解析的方式，避免一次性加载全部内容占用过多内存。
提取XML文本时需要先明确XML的结构，根据实际需求选择是否保留文本的顺序，上述两种方案都默认按照节点在XML中的出现顺序返回文本。
PythonXML解析提取文本ElementTree修改时间：2026-07-12 04:06:21