如何用Python的xml.etree.ElementTree解析部分XML标签并保留其他为字符串？

需求说明 #

给定如下XML内容：

<items>
    <item id="0001" type="donut">
        <name>Cake</name>
        <batters>
            <batter id="1001">Regular</batter>
            <batter id="1002">Chocolate</batter>
            <batter id="1003">Blueberry</batter>
        </batters>
        <topping id="5001">None</topping>
    </item>
    <item id="0002" type="biscuit">
        <name>Biscuit</name>
        <batters>
            <batter id="1001">Regular</batter>
            <batter id="1002">Chocolate</batter>
            <batter id="1004">Orange</batter>
            <batter id="1005">Banana</batter>
        </batters>
        <topping id="5006">Sprinkles</topping>
    </item>
</items>

需要提取每个item的id，并将对应batters节点内的所有内容保留为XML格式字符串，最终得到如下结构的字典：

{
    '0001': '<batter id="1001">Regular</batter>\n        <batter id="1002">Chocolate</batter>\n        <batter id="1003">Blueberry</batter>',
    '0002': '<batter id="1001">Regular</batter>\n        <batter id="1002">Chocolate</batter>\n        <batter id="1004">Orange</batter>\n        <batter id="1005">Banana</batter>'
}

由于batters内部结构可能复杂且变化，无需解析其内部标签，仅保留原始XML字符串即可。

实现方案 #

可以通过xml.etree.ElementTree实现该需求，核心思路是解析XML树后，对batters的子节点进行序列化拼接，步骤如下：

1. 解析XML文件或字符串，构建ElementTree对象；
2. 遍历所有item节点，提取每个节点的id属性；
3. 找到每个item下的batters节点，遍历其所有子元素，将每个子元素序列化为XML字符串；
4. 将序列化后的子元素字符串按格式拼接，与item的id关联存入字典。

代码示例 #

import xml.etree.ElementTree as ET
import pprint

# 示例XML内容，实际使用时可替换为ET.parse('your_file.xml').getroot()
xml_content = '''
<items>
    <item id="0001" type="donut">
        <name>Cake</name>
        <batters>
            <batter id="1001">Regular</batter>
            <batter id="1002">Chocolate</batter>
            <batter id="1003">Blueberry</batter>
        </batters>
        <topping id="5001">None</topping>
    </item>
    <item id="0002" type="biscuit">
        <name>Biscuit</name>
        <batters>
            <batter id="1001">Regular</batter>
            <batter id="1002">Chocolate</batter>
            <batter id="1004">Orange</batter>
            <batter id="1005">Banana</batter>
        </batters>
        <topping id="5006">Sprinkles</topping>
    </item>
</items>
'''

# 解析XML字符串
root = ET.fromstring(xml_content)
result = {}

# 遍历每个item节点
for item in root.findall('item'):
    item_id = item.get('id')
    batters_node = item.find('batters')
    if batters_node:
        batter_xml_list = []
        # 遍历batters下的所有子元素（支持嵌套结构）
        for child in batters_node.iter():
            # 跳过batters自身节点，只处理子元素
            if child == batters_node:
                continue
            # 序列化子元素为XML字符串
            xml_str = ET.tostring(child, encoding='utf-8', xml_declaration=False).decode('utf-8')
            # 添加缩进匹配示例格式
            batter_xml_list.append(f'        {xml_str}')
        # 拼接所有子元素的XML字符串
        result[item_id] = '\n'.join(batter_xml_list)

# 打印结果
pprint.pprint(result)

代码说明 #

• ET.fromstring()用于解析XML字符串，读取本地文件可替换为ET.parse('file_path').getroot()；
• item.get('id')直接提取item节点的id属性；
• batters_node.iter()遍历batters下的所有层级子元素，兼容复杂嵌套结构；
• ET.tostring()将Element对象转为XML字符串，通过参数控制编码和是否保留XML声明；
• 手动添加缩进以匹配需求中的格式，若不需要严格格式可省略缩进拼接步骤。

内容的提问来源于stack exchange，提问作者pav