Python合并多XML文件：保留注释与格式（200+文件场景）

需要合并200+XML文件，要求完整保留原文件中的注释和格式，尝试过无外部库的XML合并方案但无法保留注释，以下是可行的解决方案：

解决方案：使用lxml库 #

Python标准库的xml.etree.ElementTree会忽略XML注释，而lxml库的etree模块支持保留注释、空白格式，完全满足需求。

步骤1：安装lxml #

pip install lxml

步骤2：合并代码示例 #

假设所有XML文件结构一致，需要将后续文件中<element1>下的所有子节点（包括注释和<elements>）合并到第一个文件的<element1>节点中：

from lxml import etree
import os

def merge_xml_files(source_dir, output_file):
    # 获取所有XML文件路径
    xml_files = [os.path.join(source_dir, f) for f in os.listdir(source_dir) if f.endswith('.xml')]
    if not xml_files:
        return

    # 初始化解析器，保留空白文本和注释
    parser = etree.XMLParser(remove_blank_text=False, strip_cdata=False)

    # 读取第一个文件作为基础文档
    tree = etree.parse(xml_files[0], parser)
    root = tree.getroot()
    # 找到目标节点：element1
    target_parent = root.find('.//element1')

    # 遍历剩余XML文件
    for xml_file in xml_files[1:]:
        current_tree = etree.parse(xml_file, parser)
        current_root = current_tree.getroot()
        # 获取当前文件的element1下的所有子节点
        current_nodes = current_root.find('.//element1').getchildren()

        # 复制并添加每个节点（包括注释）到目标父节点
        for node in current_nodes:
            # 深拷贝节点，保留所有属性、文本和注释
            copied_node = etree.ElementTree(node).getroot()
            target_parent.append(copied_node)

    # 保存合并后的文件，保留格式
    tree.write(output_file, encoding='utf-8', pretty_print=True, xml_declaration=True)

# 使用示例：替换为你的XML文件目录和输出路径
merge_xml_files('./xml_files', './merged_output.xml')

关键说明 #

• 解析器设置：XMLParser(remove_blank_text=False)确保保留原文件的空白缩进格式，strip_cdata=False避免处理CDATA（如果你的XML包含的话）。
• 节点复制：使用etree.ElementTree(node).getroot()进行深拷贝，确保节点的所有内容（包括注释、属性、子节点）都被完整复制。
• 合并逻辑：示例中是将后续文件<element1>下的所有子节点追加到第一个文件的对应位置，你可以根据实际需求调整目标节点的定位逻辑。

内容的提问来源于stack exchange，提问作者taps