XML文档拆分问题：重复<project>标签及格式修正求助

问题根源 #

你遇到的问题本质是两个操作失误：

1. 拆分时重复创建了<project>节点，把原文档中提取的<project>元素嵌套进了新创建的<project>里，导致双重标签；
2. xml.etree.ElementTree默认写入XML时，不会自动在声明后添加换行，也不会自动格式化缩进。

正确实现代码（Python 3.9+） #

直接将提取到的<project>元素作为新文档的根节点，同时手动控制XML声明和格式：

import xml.etree.ElementTree as ET

# 加载大型XML文档
tree = ET.parse('large.xml')
root = tree.getroot()

# 遍历每个<project>元素并拆分保存
for idx, project_elem in enumerate(root.findall('project'), 1):
    # 直接用提取的project元素作为新文档的根
    new_tree = ET.ElementTree(project_elem)
    
    # 手动处理格式：先写XML声明并换行，再写入格式化的内容
    with open(f'project_{idx}.xml', 'w', encoding='utf-8') as output_file:
        # 写入XML声明，强制换行
        output_file.write('<?xml version="1.0" encoding="UTF-8"?>\n')
        # 自动添加缩进（Python 3.9+新增方法）
        ET.indent(new_tree, space='    ')
        # 写入内容时关闭自动声明（已经手动写过了）
        new_tree.write(output_file, encoding='unicode', xml_declaration=False)

低版本Python兼容方案（<3.9） #

如果你的Python版本低于3.9，没有ET.indent()方法，可以用xml.dom.minidom来美化格式：

import xml.etree.ElementTree as ET
import xml.dom.minidom

tree = ET.parse('large.xml')
root = tree.getroot()

for idx, project_elem in enumerate(root.findall('project'), 1):
    # 将Element对象转为字符串
    raw_xml = ET.tostring(project_elem, encoding='utf-8')
    # 解析并美化格式
    dom_tree = xml.dom.minidom.parseString(raw_xml)
    pretty_xml = dom_tree.toprettyxml(indent='    ', encoding='utf-8').decode('utf-8')
    
    # 写入文件
    with open(f'project_{idx}.xml', 'w', encoding='utf-8') as output_file:
        output_file.write(pretty_xml)

效果验证 #

处理后的输出XML会符合你的要求：

<project>
    <!-- 项目内的子元素内容 -->
</project>

• XML声明后自动换行
• 仅保留一个<project>标签作为根节点
• 元素自动缩进，格式规范

内容的提问来源于stack exchange，提问作者moran29