使用lxml解析XML时元素文本含多余换行空格的问题求助

问题背景 #

使用Python lxml库解析XML文件，已准确定位到目标元素mediumBitmap，但获取的node.text包含大量换行符和缩进空格（如"\n 10000000 \n"），无法与预期值"10000000"匹配。XML文件为项目标准文件不可修改，尝试remove_blank_text=True参数及改用minidom均未解决问题。

解决方案 #

方法1：对获取的文本做字符串清理 #

直接使用Python字符串的strip()方法去除文本首尾的空白字符（包括换行、空格、制表符等）；若文本中间存在多余空白，可结合replace()或正则表达式进一步处理。

修改原代码的判断逻辑部分：

from lxml import etree

sigxml = etree.parse('D:/LocalSpark/bitmap.xml', etree.XMLParser(load_dtd=True))
xpath = '/OneMessage[@Name="NR RRCReconfiguration"]/BalongMessage/Content/L3MessageContent/DL-DCCH-Message/message/c1/rrcReconfiguration/criticalExtensions/rrcReconfiguration/measConfig/measObjectToAddModList/MeasObjectToAddMod/measObject/measObjectNR/referenceSignalConfig/ssb-ConfigMobility/ssb-ToMeasure/setup/mediumBitmap'
info = "10000000"  # 改为字符串类型，避免类型不匹配

for node in sigxml.xpath(xpath):
    cleaned_text = node.text.strip()  # 清理首尾空白
    print('清理后文本:', cleaned_text)
    
    if info == cleaned_text:
        print(f"{info} info do exist!")
    else:
        print(f"{info} info do not exist!!!")

方法2：使用XPath的normalize-space()函数 #

在XPath查询阶段直接处理文本，normalize-space()会去除文本首尾空白，并将中间的连续空白替换为单个空格，完美适配XML格式化产生的冗余空白。

方式A：直接获取处理后的文本

修改XPath表达式，直接返回清理后的文本值：

from lxml import etree

sigxml = etree.parse('D:/LocalSpark/bitmap.xml', etree.XMLParser(load_dtd=True))
# 用normalize-space包裹目标节点的text()
xpath = 'normalize-space(/OneMessage[@Name="NR RRCReconfiguration"]/BalongMessage/Content/L3MessageContent/DL-DCCH-Message/message/c1/rrcReconfiguration/criticalExtensions/rrcReconfiguration/measConfig/measObjectToAddModList/MeasObjectToAddMod/measObject/measObjectNR/referenceSignalConfig/ssb-ConfigMobility/ssb-ToMeasure/setup/mediumBitmap/text())'
info = "10000000"

cleaned_text = sigxml.xpath(xpath)[0]  # 获取第一个匹配结果
print('清理后文本:', cleaned_text)

if info == cleaned_text:
    print(f"{info} info do exist!")
else:
    print(f"{info} info do not exist!!!")

方式B：定位节点后再用XPath清理

若需保留节点操作，可在获取节点后，通过节点的xpath()方法调用normalize-space()：

from lxml import etree

sigxml = etree.parse('D:/LocalSpark/bitmap.xml', etree.XMLParser(load_dtd=True))
xpath = '/OneMessage[@Name="NR RRCReconfiguration"]/BalongMessage/Content/L3MessageContent/DL-DCCH-Message/message/c1/rrcReconfiguration/criticalExtensions/rrcReconfiguration/measConfig/measObjectToAddModList/MeasObjectToAddMod/measObject/measObjectNR/referenceSignalConfig/ssb-ConfigMobility/ssb-ToMeasure/setup/mediumBitmap'
info = "10000000"

for node in sigxml.xpath(xpath):
    cleaned_text = node.xpath('normalize-space()')[0]
    print('清理后文本:', cleaned_text)
    
    if info == cleaned_text:
        print(f"{info} info do exist!")
    else:
        print(f"{info} info do not exist!!!")

补充说明 #

remove_blank_text=True参数无效的原因：该参数仅用于移除元素之间的空白文本节点（如标签换行产生的空白节点），而目标元素内部的换行和缩进属于该元素的文本内容，不属于元素间空白，因此不会被处理。

内容的提问来源于stack exchange，提问作者Aiyu Sheng