XML文档采用树形结构存储数据，提取指定节点是处理XML数据时的常见需求，我们可以通过XPath语法定位节点，再结合对应的解析库完成内容提取。
XML节点提取的核心思路
提取XML指定节点的核心分为两步，第一步是通过路径表达式定位到目标节点，第二步是读取节点的文本内容或属性值。常用的定位方式是XPath，它可以通过节点名称、属性、层级关系快速匹配目标节点，大部分XML解析库都支持XPath语法。
使用Python提取XML指定节点的步骤
1. 准备XML示例文档
我们先准备一个简单的XML文档作为测试数据，内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
<book category="编程">
<title>Python基础教程</title>
<author>张三</author>
<price>59.9</price>
</book>
<book category="文学">
<title>散文精选</title>
<author>李四</author>
<price>39.9</price>
</book>
</bookstore>
2. 导入解析库并加载XML
Python内置的xml.etree.ElementTree模块可以解析XML文档，我们首先导入该模块并加载上面的XML内容：
import xml.etree.ElementTree as ET
# 加载XML内容，也可以替换为ET.parse("test.xml")加载本地文件
xml_content = """<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
<book category="编程">
<title>Python基础教程</title>
<author>张三</author>
<price>59.9</price>
</book>
<book category="文学">
<title>散文精选</title>
<author>李四</author>
<price>39.9</price>
</book>
</bookstore>"""
root = ET.fromstring(xml_content)
3. 使用XPath定位并提取节点
ElementTree模块支持简单的XPath语法，我们可以通过find()、findall()方法提取节点：
# 提取所有book节点
all_books = root.findall("book")
print("所有书籍节点数量：", len(all_books))
# 提取第一个book下的title节点文本
first_title = root.find("book/title")
print("第一本书的书名：", first_title.text)
# 提取category为编程的book节点下的author
programming_book = root.find("book[@category='编程']")
programming_author = programming_book.find("author")
print("编程类书籍的作者：", programming_author.text)
# 提取所有书籍的价格
all_prices = root.findall("book/price")
for price_node in all_prices:
print("书籍价格：", price_node.text)
4. 提取节点属性值
如果需要提取节点的属性，比如book节点的category属性，可以通过get()方法实现：
# 遍历所有book节点，提取category属性
for book in root.findall("book"):
category = book.get("category")
title = book.find("title").text
print(f"书籍《{title}》的分类是：{category}")
常见XPath语法说明
以下是提取节点时常用的XPath表达式规则：
| 表达式 | 说明 | 示例 |
|---|---|---|
| 节点名 | 选取所有该名称的子节点 | title 选取当前节点下的所有title子节点 |
| / | 从根节点选取 | /bookstore 选取根节点bookstore |
| // | 选取所有匹配的节点，不管位置 | //price 选取文档中所有的price节点 |
| @属性名 | 选取属性 | //book[@category='编程'] 选取category为编程的book节点 |
| text() | 选取节点的文本内容 | //title/text() 选取所有title节点的文本 |
注意事项
- 如果XML文档包含命名空间，提取节点时需要在节点名前加上命名空间前缀，否则会匹配失败。
- 解析XML时要注意编码问题，确保文档的编码和解析时指定的编码一致，避免出现乱码。
- 如果XML结构比较复杂，建议使用支持完整XPath语法的库，比如lxml，它的节点提取能力更强。
提取XML指定节点的关键是熟练掌握XPath路径表达式，结合对应的解析库方法即可快速完成需求，实际使用时可以根据XML的复杂程度选择合适的解析工具。