xml:lang是XML规范中定义的标准属性，用于标识XML元素内容的自然语言类型，在包含多语言内容的XML文档中非常常见。当我们需要通过XPath查询筛选特定语言版本的内容时，就需要正确使用xml:lang属性作为查询条件。
xml:lang属性的基本规则
xml:lang属性的值遵循RFC 5646语言标签规范，比如zh-CN表示简体中文，en-US表示美式英语，ja表示日语。该属性具有继承性，如果父元素设置了xml:lang，子元素没有显式设置的话，会默认继承父元素的语言值。以下是一个包含多语言内容的XML示例：
<?xml version="1.0" encoding="UTF-8"?>
<root xml:lang="zh-CN">
<title>产品说明</title>
<description>这是中文的产品描述</description>
<localized xml:lang="en-US">
<title>Product Description</title>
<description>This is the English product description</description>
</localized>
<localized xml:lang="ja">
<title>製品説明</title>
<description>これは日本語の製品説明です</description>
</localized>
</root>
XPath中查询xml:lang属性的基础语法
在XPath中，xml:lang属于带命名空间的属性，不过XML规范已经预定义了该属性的命名空间，因此不需要额外声明命名空间就可以直接使用。查询时可以通过属性匹配语法[@xml:lang='值']来筛选对应语言的元素。
精确匹配指定语言的元素
如果需要查询所有语言为简体中文的title元素，可以使用以下XPath表达式：
//title[@xml:lang='zh-CN']
对应的执行结果会匹配到根节点下的<title>产品说明</title>元素，因为根节点的xml:lang为zh-CN，子元素title继承了该属性值。
匹配所有带xml:lang属性的元素
如果需要查询文档中所有显式设置了xml:lang属性的元素，可以使用以下表达式：
//*[@xml:lang]
上述表达式会匹配到root、两个localized元素，以及它们内部的title和description元素吗？不对，因为localized内部的子元素没有显式设置xml:lang，是继承父元素的值，所以不会被匹配到。
常见使用场景示例
场景1：查询特定语言的本地化内容块
如果需要获取所有英文版本的本地化内容块，也就是localized元素中xml:lang为en-US的内容，可以使用以下XPath：
//localized[@xml:lang='en-US']
执行后会返回整个英文的localized节点及其子元素。
场景2：结合文本内容筛选
如果需要查询语言为日语，且描述内容包含特定字符的元素，可以组合属性和文本匹配条件：
//description[@xml:lang='ja' and contains(text(), '製品')]
上述表达式会匹配到日语版本的description元素，因为其内容包含"製品"字符，且语言为日语。
场景3：处理语言标签的前缀匹配
有时候我们不需要精确匹配完整的语言标签，比如只需要匹配所有中文相关的内容，不管是zh-CN还是zh-TW，这时候可以使用starts-with函数：
//*[starts-with(@xml:lang, 'zh')]
该表达式会匹配所有xml:lang值以zh开头的元素，涵盖简体中文、繁体中文等不同中文变体。
使用注意事项
- xml:lang属性的值匹配是大小写敏感的，比如
zh-cn和zh-CN会被视为不同的语言标签，查询时需要注意大小写一致。 - 继承的xml:lang属性不会被XPath的
[@xml:lang]匹配到，只有元素上显式声明的该属性才会被匹配，如果需要匹配继承后的语言值，需要结合父元素的属性判断。 - 如果XML文档中同时使用了自定义命名空间和xml:lang属性，不需要额外处理xml的命名空间，XPath解析器会自动识别预定义的xml命名空间。
代码示例：使用Python解析XML并应用XPath查询
以下是使用Python的lxml库解析上述XML文档，执行xml:lang相关XPath查询的完整示例：
from lxml import etree
# 定义XML内容
xml_content = """<?xml version="1.0" encoding="UTF-8"?>
<root xml:lang="zh-CN">
<title>产品说明</title>
<description>这是中文的产品描述</description>
<localized xml:lang="en-US">
<title>Product Description</title>
<description>This is the English product description</description>
</localized>
<localized xml:lang="ja">
<title>製品説明</title>
<description>これは日本語の製品説明です</description>
</localized>
</root>"""
# 解析XML
tree = etree.fromstring(xml_content.encode('utf-8'))
# 查询所有英文标题
en_titles = tree.xpath("//title[@xml:lang='en-US']/text()")
print("英文标题:", en_titles)
# 查询所有中文相关元素
zh_elements = tree.xpath("//*[starts-with(@xml:lang, 'zh')]")
print("中文相关元素标签:", [ele.tag for ele in zh_elements])
# 查询日语描述内容
ja_desc = tree.xpath("//description[@xml:lang='ja']/text()")
print("日语描述:", ja_desc)
运行上述代码后，会正确输出对应的查询结果，验证了XPath中xml:lang属性的使用方式。