如何用Python从XML文件中提取活跃用户的<rep>标签内容？

问题场景 #

调用第三方API获取用户列表时，API不支持按活跃状态过滤，返回的XML文档中包含<active>标签值为false的非活跃用户。目标是获取所有活跃用户（<active>值为true）的<rep>标签内容列表。

之前尝试的逐行过滤代码无效，生成的文件和原文件一致：

to_remove = ['<active>false</active>']
with open('users.xml') as xmlfile, open('activeusers.xml','w') as newfile:
    for line in xmlfile:
        if not any(remo in line for remo in to_remove):
            newfile.write(line)

错误原因 #

XML是结构化层级数据，逐行文本匹配的方式无法处理节点的层级关系：你仅移除了包含<active>false</active>的单行，但该非活跃用户对应的整个<user>节点的其他行仍会被写入新文件，最终文件几乎和原文件一致，完全达不到过滤整个非活跃用户节点的目的。

正确实现方法 #

使用Python内置的xml.etree.ElementTree库解析XML，按节点层级处理，同时注意XML的命名空间（示例XML根节点包含xmlns="WebsiteWhereDataComesFrom.com"）。

方法1：解析本地XML文件

import xml.etree.ElementTree as ET

# 定义XML命名空间映射，对应根节点的xmlns属性值
ns = {'ns': 'WebsiteWhereDataComesFrom.com'}

# 解析本地XML文件
tree = ET.parse('users.xml')
root = tree.getroot()

active_reps = []

# 遍历所有<user>节点
for user in root.findall('ns:user', ns):
    # 获取当前用户的活跃状态
    active_status = user.find('ns:active', ns).text
    # 判断是否为活跃用户
    if active_status == 'true':
        # 提取<rep>标签的文本内容
        rep_value = user.find('ns:rep', ns).text
        active_reps.append(rep_value)

# 输出结果
print(active_reps)

方法2：直接解析API返回的XML（无需写入本地文件）

如果是直接调用API获取XML内容，可以跳过文件写入步骤，直接解析响应内容：

import xml.etree.ElementTree as ET
import requests

# 调用API获取XML响应
api_url = "你的API地址"
response = requests.get(api_url)
xml_content = response.content

# 解析字符串形式的XML
root = ET.fromstring(xml_content)

ns = {'ns': 'WebsiteWhereDataComesFrom.com'}
active_reps = []

for user in root.findall('ns:user', ns):
    active_status = user.find('ns:active', ns).text
    if active_status == 'true':
        rep_value = user.find('ns:rep', ns).text
        active_reps.append(rep_value)

print(active_reps)

代码说明 #

• 命名空间处理：XML根节点的xmlns属性定义了命名空间，必须通过ns映射在find/findall方法中指定，否则无法正确定位子节点。
• 节点层级遍历：通过root.findall('ns:user', ns)获取所有用户节点，再逐个判断活跃状态，提取目标标签内容，完全符合XML的结构化特性。

内容的提问来源于stack exchange，提问作者Wes Graham