Python中从多层嵌套XML子节点提取标签与文本——递归调用问题

需要提取XML块中所有嵌套子节点的标签与文本，编写的Python代码如下，但get_tag_and_text函数的keys_and_values字典无法收集所有内容，仅保留最后一个有效条目：

import xml.etree.ElementTree as ET

class MyParser:
    def __init__(self, xml_block):
        self.xml_block = xml_block

def main(self):
        tree = ET.ElementTree(ET.fromstring(self.xml_block))
        root = tree.getroot()
        self.get_tag_and_text(root)

def get_tag_and_text(self, root):
    keys_and_values = {}
    for child in root:
        if child.text is not None:
            keys_and_values[child.tag] = child.text
        self.get_tag_and_text(child)

示例XML

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<abc:random xmlns:abc="http://www.mywebsite.com" schemaVersion="1.2">
<abc:header>
<abc:number>8</abc:number>
<abc:type>text/xml</abc:type>
</abc:header>
<abc:body>
<abc:d>
<abc:purpose>start</abc:purpose>
</abc:d>
</abc:body>
</abc:random>

1. 每次递归调用get_tag_and_text时都会新建局部字典keys_and_values，递归完成后该字典不会传递回上层调用，导致只有当前层的临时数据无法累积
2. 方法未返回收集到的字典，也未将子节点递归得到的结果合并到当前字典中
3. 类方法缩进错误，main和get_tag_and_text未正确归属到MyParser类内部

import xml.etree.ElementTree as ET

class MyParser:
    def __init__(self, xml_block):
        self.xml_block = xml_block

    def main(self):
        root = ET.fromstring(self.xml_block)
        return self.get_tag_and_text(root)

    def get_tag_and_text(self, element):
        keys_and_values = {}
        # 处理当前节点的文本（过滤纯空白内容）
        if element.text and element.text.strip():
            keys_and_values[element.tag] = element.text.strip()
        # 递归处理子节点并合并结果
        for child in element:
            child_data = self.get_tag_and_text(child)
            keys_and_values.update(child_data)
        return keys_and_values

• 修正类方法缩进，确保main和get_tag_and_text属于MyParser类
• get_tag_and_text返回收集到的字典，每次递归时用update方法将子节点的结果合并到当前字典
• 添加纯空白文本过滤逻辑，避免收集无效空值
• main方法直接返回最终收集结果，方便外部调用

使用示例XML运行修正后的代码：

xml_content = """<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<abc:random xmlns:abc="http://www.mywebsite.com" schemaVersion="1.2">
<abc:header>
<abc:number>8</abc:number>
<abc:type>text/xml</abc:type>
</abc:header>
<abc:body>
<abc:d>
<abc:purpose>start</abc:purpose>
</abc:d>
</abc:body>
</abc:random>"""

parser = MyParser(xml_content)
result = parser.main()
print(result)

输出结果：

{
    '{http://www.mywebsite.com}number': '8',
    '{http://www.mywebsite.com}type': 'text/xml',
    '{http://www.mywebsite.com}purpose': 'start'
}

如果需要去掉命名空间前缀，可添加辅助函数处理：

def strip_namespace(tag):
    return tag.split('}')[1] if '}' in tag else tag

# 在get_tag_and_text中替换tag赋值逻辑：
keys_and_values[strip_namespace(element.tag)] = element.text.strip()

处理后输出的键会变成number、type、purpose，更简洁。

内容的提问来源于stack exchange，提问作者pymat