Python解析XML时XML头丢失原因及保留头的实现方法

问题场景 #

使用Python的xml.etree.ElementTree编辑XML后，输出的字符串丢失了原XML的声明<?xml version="1.0" encoding="UTF-8"?>，代码及运行结果如下：

示例代码 #

import xml.etree.ElementTree as ET

data = b'<?xml version="1.0" encoding="UTF-8"?><aaaa version="1.0"><zzz>xxxxxx</zzz><bbbb>11111</bbbb></aaaa>'

root = ET.fromstring(data)

# 查找并更新目标元素
zzz_element = root.find('zzz')
if zzz_element is not None:
    zzz_element.text = 'new_value'

# 将更新后的XML转为字符串
updated_data = ET.tostring(root, encoding='utf-8', method='xml').decode()

print(updated_data)

运行输出 #

<aaaa version="1.0"><zzz>new_value</zzz><bbbb>11111</bbbb></aaaa>

原因分析 #

ET.fromstring()方法仅解析XML的元素节点内容，不会保留XML声明（这属于处理指令范畴）。解析后得到的root对象只对应XML的根元素<aaaa>，原XML里的声明并没有被纳入ElementTree的内存结构中，后续用ET.tostring()输出时自然不会包含这部分内容。

解决方法 #

方法1：手动拼接XML声明 #

直接在ET.tostring()生成的字符串前手动添加声明，简单直接：

updated_data = '<?xml version="1.0" encoding="UTF-8"?>' + ET.tostring(root, encoding='utf-8', method='xml').decode()

方法2：用ElementTree.write()配合内存流 #

如果需要更规范的编码处理，可以借助io.StringIO模拟文件输出，通过write()的xml_declaration参数控制生成声明：

import xml.etree.ElementTree as ET
import io

data = b'<?xml version="1.0" encoding="UTF-8"?><aaaa version="1.0"><zzz>xxxxxx</zzz><bbbb>11111</bbbb></aaaa>'
root = ET.fromstring(data)

# 更新元素内容
zzz_element = root.find('zzz')
if zzz_element is not None:
    zzz_element.text = 'new_value'

# 生成带声明的XML字符串
output_buffer = io.StringIO()
tree = ET.ElementTree(root)
tree.write(output_buffer, encoding='utf-8', xml_declaration=True)
updated_data = output_buffer.getvalue()

print(updated_data)

这种方式会自动匹配编码生成正确的声明，适合复杂场景。

内容的提问来源于stack exchange，提问作者Polo1990