如何用lxml XPath语法获取XML元素指定深度的祖先节点？

需求说明 #

• 核心目标：提取XML元素深度为3的祖先元素，例如元素路径/a/b/c/d/e/f中，需要获取的是c元素。
• 实际场景：在给定的XML示例里，要获取所有CodeRef元素对应的深度为3的祖先（Note、TextSource、VideoSource），且实现过程不依赖具体标签名和CodeRef的嵌套深度。

示例XML文件 #

<?xml version="1.0" encoding="utf-8"?>
<Project xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="urn:QDA-XML:project:1.0">
  <Sources>
    <TextSource name="document example">
      <Description />
      <PlainTextSelection>
        <Description />
        <Coding>
          <CodeRef targetGUID="a2a627dd-f7e7-4fc7-b8db-918e3ad50450" />
        </Coding>
      </PlainTextSelection>
    </TextSource>
    <VideoSource name="myvideo">
      <Transcript>
        <SyncPoint/>
        <SyncPoint/>
        <TranscriptSelection>
          <Description />
          <Coding>
            <CodeRef targetGUID="a2a627dd-f7e7-4fc7-b8db-918e3ad50450" />
          </Coding>
        </TranscriptSelection>
      </Transcript>
      <VideoSelection>
        <Coding>
          <CodeRef targetGUID="a2a627dd-f7e7-4fc7-b8db-918e3ad50450" />
        </Coding>
      </VideoSelection>
    </VideoSource>
  </Sources>
  <Notes>
    <Note name="some text">
      <Description />
      <PlainTextSelection>
        <Description />
        <Coding>
          <CodeRef targetGUID="a2a627dd-f7e7-4fc7-b8db-918e3ad50450" />
        </Coding>
      </PlainTextSelection>
    </Note>
  </Notes>
</Project>

当前实现代码 #

已有可运行的代码，但希望用更简洁的XPath语法优化：

import lxml.etree as ET

tree = ET.parse('coderef_examples/project_simplified.xml')
root = tree.getroot()

for i in root.findall('.//CodeRef', root.nsmap):
    p = tree.getelementpath(i)
    p = p.replace('{urn:QDA-XML:project:1.0}', '')
    print('无命名空间路径: ', p)

    p = tree.getpath(i) # 获取XPath路径
    s = '/'.join(p.split('/')[:4]) # 提取深度为3的祖先元素的XPath
    print('XPath字符串: ', s)
    ancestor = root.xpath(s)[0]
    print('源标签: ', ancestor.tag, ', 源名称: ', ancestor.get('name'))

代码输出 #

无命名空间路径:  Sources/TextSource/PlainTextSelection/Coding/CodeRef
XPath字符串:  /*/*[1]/*[1]
源标签:  {urn:QDA-XML:project:1.0}TextSource , 源名称:  document example
无命名空间路径:  Sources/VideoSource/Transcript/TranscriptSelection/Coding/CodeRef
XPath字符串:  /*/*[1]/*[2]
源标签:  {urn:QDA-XML:project:1.0}VideoSource , 源名称:  myvideo
无命名空间路径:  Sources/VideoSource/VideoSelection/Coding/CodeRef
XPath字符串:  /*/*[1]/*[2]
源标签:  {urn:QDA-XML:project:1.0}VideoSource , 源名称:  myvideo
无命名空间路径:  Notes/Note/PlainTextSelection/Coding/CodeRef
XPath字符串:  /*/*[2]/*
源标签:  {urn:QDA-XML:project:1.0}Note , 源名称:  some text

问题：能否直接通过XPath实现该需求？ #

优化后的解决方案 #

基于Conal Tuohy的思路优化，直接用XPath定位目标祖先元素，无需遍历每个CodeRef，且自动去重，效率更高：

import lxml.etree as ET

tree = ET.parse('coderef_examples/project_simplified.xml')
root = tree.getroot()

for ancestor in root.xpath('/*/*/*[descendant::qda:CodeRef]', namespaces={'qda': 'urn:QDA-XML:project:1.0'}):
    print('源标签: ', ancestor.tag, ', 源名称: ', ancestor.get('name'))

方案说明 #

该XPath表达式直接匹配所有包含CodeRef后代的深度为3的元素，输出结果为唯一的祖先元素，完全符合需求且执行效率更高。

内容的提问来源于stack exchange，提问作者KIAaze