如何用BeautifulSoup获取XML中带命名空间的标签内容？

首先要明确：默认的HTML解析器对XML命名空间支持很差，必须先切换到XML专用解析器，再结合命名空间的正确写法来查找标签。

步骤1：切换到XML解析器 #

初始化BeautifulSoup时指定features='xml'（需要先安装lxml库，因为底层依赖它处理XML）：

from bs4 import BeautifulSoup

# 读取大型XML文件
with open("your_file.xml", "r", encoding="utf-8") as f:
    # 关键：使用xml解析器而非默认的html.parser
    soup = BeautifulSoup(f, "xml")

步骤2：获取带命名空间的标签 #

有三种实用方法：

方法A：利用命名空间URI精准查找

先查看XML文件开头的命名空间声明，比如类似：

<feed xmlns:cbc="http://docs.oasis-open.org/ubl/os-UBL-2.1/xsd/maindoc/UBL-Tendering-2.1">

这里cbc是前缀，对应的URI是后面的网址。直接用{URI}标签名的格式查找：

for entry in soup.findAll("entry"):
    # 替换成你实际的cbc命名空间URI
    amount_tag = entry.find("{http://docs.oasis-open.org/ubl/os-UBL-2.1/xsd/maindoc/UBL-Tendering-2.1}EstimatedOverallContractAmount")
    if amount_tag:
        print(amount_tag.text.strip())

方法B：动态获取命名空间映射（更灵活）

BeautifulSoup会自动解析XML中的命名空间，你可以通过soup.namespaces拿到所有前缀与URI的映射，不用硬编码URI：

# 获取所有命名空间映射
namespaces = soup.namespaces
# 拿到cbc对应的URI
cbc_uri = namespaces["cbc"]

for entry in soup.findAll("entry"):
    amount_tag = entry.find(f"{{{cbc_uri}}}EstimatedOverallContractAmount")
    if amount_tag:
        print(amount_tag.text.strip())

方法C：正则匹配标签名（适用于不确定URI的场景）

如果不知道命名空间URI，也可以用正则匹配标签的本地名称（冒号后的部分）：

import re

for entry in soup.findAll("entry"):
    # 匹配所有本地名称为EstimatedOverallContractAmount的标签
    amount_tag = entry.find(re.compile(r"EstimatedOverallContractAmount$"))
    if amount_tag:
        print(amount_tag.text.strip())

关键注意点 #

• 绝对不能用默认的html.parser处理XML，它会把cbc:当成标签名的一部分，无法正确解析命名空间关系。
• 若遇到大型XML文件内存占用过高的问题，可以考虑用lxml.iterparse流式解析，避免一次性加载整个文件。

内容的提问来源于stack exchange，提问作者David Jimenez