使用Python xml.etree.ElementTree的root.find()查找XML标签失败求助

问题原因 #

你的XML根节点OAI-PMH带有命名空间http://www.openarchives.org/OAI/2.0/，XML中所有子节点默认继承该命名空间。直接调用find("issn")会查找无命名空间的<issn>元素，自然匹配不到，所以返回None。

解决方案 #

方法1：带命名空间递归查找并筛选属性 #

先提取根节点的命名空间，再用带命名空间的路径递归查找所有<issn>，最后筛选目标属性：

import xml.etree.ElementTree as ET

tree = ET.parse("bib_full-001664.xml")
root = tree.getroot()

# 提取根节点的命名空间
ns = {"oai": root.tag.split('}')[0].strip('{')}

# 递归查找所有带命名空间的issn元素，筛选pub-type为ppub的
for issn in root.findall(".//oai:issn", ns):
    if issn.get("pub-type") == "ppub":
        print(issn.text)  # 输出：2544-1558

方法2：用XPath直接定位目标元素 #

如果要精准匹配pub-type="ppub"的<issn>，可以直接用XPath的属性筛选语法一步到位：

import xml.etree.ElementTree as ET

tree = ET.parse("bib_full-001664.xml")
root = tree.getroot()
ns = {"oai": root.tag.split('}')[0].strip('{')}

# 直接定位符合条件的第一个issn元素
target_issn = root.find(".//oai:issn[@pub-type='ppub']", ns)
if target_issn:
    print(target_issn.text)  # 输出：2544-1558

方法3：忽略命名空间查找（不推荐） #

如果不想处理命名空间，也可以通过匹配标签名后缀来查找，但这种方法不够严谨，多命名空间场景下容易出错：

import xml.etree.ElementTree as ET

tree = ET.parse("bib_full-001664.xml")
root = tree.getroot()

# 遍历所有节点，匹配标签名以issn结尾的元素
for elem in root.iter():
    if elem.tag.endswith('issn') and elem.get("pub-type") == "ppub":
        print(elem.text)

关键说明 #

• .//在XPath中表示递归查找所有后代节点，无需手动数标签层级，适配嵌套较深的XML结构
• 命名空间字典的键（比如示例中的oai）可自定义，只要与XPath中的前缀对应即可
• findall返回所有匹配元素，find仅返回第一个匹配元素

内容的提问来源于stack exchange，提问作者Adam Jurkiewicz