如何用Python为XML文件中的游离文本添加XML元素

直接用lxml库就能搞定这个需求，它能精准识别XML里的文本节点（就是那些没被标签包裹的游离数值），然后替换成指定元素。

步骤实现： #

1. 先安装lxml（如果没装的话）：

pip install lxml

2. 编写处理脚本：

from lxml import etree
import re

# 原始XML内容
xml_content = """
<A>
    <B id="254">
        <C>Lore</C>
        <D>9</D> 
        12.34
    </B>
    <B id="255">
        <C>Ipsum</C>
        <D>125</D> 
        23.45
    </B>
    <E/>
    <F id="256">
        <G>Lore Ipsum
            <E>79</E> 
            34.56
        </G>
    </F>
</A>
"""

# 解析XML字符串
root = etree.fromstring(xml_content)

# 处理<B>节点下的游离数值，转为<Z>元素
for b_node in root.xpath('//B'):
    # 倒序遍历子节点，避免替换节点时索引混乱
    for child in reversed(b_node):
        # 判断是否是文本节点
        if isinstance(child, etree._ElementUnicodeResult):
            cleaned_text = child.strip()
            # 匹配整数或浮点数格式的数值
            if re.match(r'^\d+(\.\d+)?$', cleaned_text):
                # 创建新的<Z>元素
                z_element = etree.Element('Z')
                z_element.text = cleaned_text
                # 替换原文本节点
                node_index = b_node.index(child)
                b_node[node_index] = z_element

# 处理<G>节点下的游离数值，转为<Y>元素
for g_node in root.xpath('//G'):
    for child in reversed(g_node):
        if isinstance(child, etree._ElementUnicodeResult):
            cleaned_text = child.strip()
            if re.match(r'^\d+(\.\d+)?$', cleaned_text):
                y_element = etree.Element('Y')
                y_element.text = cleaned_text
                node_index = g_node.index(child)
                g_node[node_index] = y_element

# 输出格式化后的XML
print(etree.tostring(root, encoding='unicode', pretty_print=True))

关键说明： #

• 文本节点识别：lxml会把XML中未被标签包裹的内容当成etree._ElementUnicodeResult类型的文本节点，通过类型判断就能精准定位这些游离数值。
• 倒序遍历：因为替换节点会改变父节点的子节点列表，倒序遍历能避免索引偏移导致的错误。
• 数值校验：用正则^\d+(\.\d+)?$匹配整数和浮点数，确保只处理目标数值，不会误操作空白或其他文本内容。

内容的提问来源于stack exchange，提问作者JME