使用Python的root.iter解析XML无法获取<w>标签文本问题

你的代码无法提取<w>标签文本，核心问题是XML文档使用了默认命名空间。根元素<CHAT>中的xmlns="http://www.talkbank.org/ns/talkbank"定义了全局默认命名空间，所有未加前缀的标签（包括<w>）都属于该命名空间，直接用root.iter('w')无法匹配到目标标签。

以下是三种可行的解决方法：

方法1：显式指定命名空间匹配 #

直接使用完整的命名空间标签名查找，或者注册命名空间前缀后简化查找：

import xml.etree.ElementTree as ET

tree = ET.parse('020012_doctored.xml')
root = tree.getroot()

# 方式1：直接使用完整命名空间标签名
for w in root.iter('{http://www.talkbank.org/ns/talkbank}w'):
    print(w.text)

# 方式2：注册命名空间前缀，用前缀简化查找
ns = {'tb': 'http://www.talkbank.org/ns/talkbank'}
for w in root.findall('.//tb:w', ns):
    print(w.text)

方法2：忽略命名空间，通过本地标签名匹配 #

遍历所有标签，提取标签名的本地部分进行判断：

import xml.etree.ElementTree as ET

tree = ET.parse('020012_doctored.xml')
root = tree.getroot()

for elem in root.iter():
    # 拆分命名空间和本地标签名
    local_tag = elem.tag.split('}')[-1]
    if local_tag == 'w':
        print(elem.text)

内容的提问来源于stack exchange，提问作者Nick Riches