如何用Python实现XML转LaTeX及在XML元素首尾插入文本？

一、XML元素首尾插入文本（修改XML结构） #

如果需要给指定XML元素的前后插入文本（比如给<emph>标签加**标记），可以通过递归遍历元素，处理text和tail属性实现，以下是两种常见场景的代码：

场景1：文本包裹元素内部内容 #

给元素的内部文本前后加标记，比如将<emph>需要强调的内容</emph>变成<emph>**需要强调的内容**</emph>：

import xml.etree.ElementTree as ET

def wrap_inner_text(element, target_tag, prefix, suffix):
    # 递归处理子元素
    for child in list(element):
        wrap_inner_text(child, target_tag, prefix, suffix)
        if child.tag == target_tag:
            # 给元素内部文本加前缀
            child.text = prefix + (child.text or "")
            # 给元素尾部文本加后缀
            child.tail = suffix + (child.tail or "")

# 示例XML
xml_str = '''<para>普通文本<emph>重点内容</emph>后续文本</para>'''
root = ET.fromstring(xml_str)

# 给<emph>元素内部文本前后加**
wrap_inner_text(root, 'emph', '**', '**')
ET.dump(root)

场景2：文本包裹整个元素标签 #

给元素标签的前后加标记，比如将<emph>需要强调的内容</emph>变成**<emph>需要强调的内容</emph>**：

import xml.etree.ElementTree as ET

def wrap_element_tag(element, target_tag, prefix, suffix):
    for idx, child in enumerate(list(element)):
        wrap_element_tag(child, target_tag, prefix, suffix)
        if child.tag == target_tag:
            # 给元素前的文本加前缀
            if idx == 0:
                element.text = (element.text or "").rstrip() + prefix
            else:
                prev_sibling = element[idx-1]
                prev_sibling.tail = (prev_sibling.tail or "").rstrip() + prefix
            # 给元素后的文本加后缀
            child.tail = suffix + (child.tail or "").lstrip()

# 重新运行示例
root = ET.fromstring(xml_str)
wrap_element_tag(root, 'emph', '**', '**')
ET.dump(root)

二、XML转换为LaTeX #

可以基于上述元素处理逻辑，结合配置字典实现灵活的XML到LaTeX转换，既满足转格式需求，也支持通过配置定义元素首尾的LaTeX命令：

基础转换实现 #

import xml.etree.ElementTree as ET

# 配置转换规则：键为XML标签，值为(前缀LaTeX命令, 后缀LaTeX命令)
latex_rules = {
    'emph': ('\\emph{', '}'),
    'para': ('\n\n', '\n\n'),
    'title': ('\\section{', '}\n\n'),
    'bold': ('\\textbf{', '}')
}

# LaTeX特殊字符转义函数
def escape_latex(text):
    special_chars = {'$': '\\$', '%': '\\%', '&': '\\&', '#': '\\#', '_': '\\_', '{': '\\{', '}': '\\}'}
    return ''.join(special_chars.get(c, c) for c in text)

def xml_to_latex(element, rules):
    latex_content = ""
    # 处理元素前置文本
    if element.text:
        latex_content += escape_latex(element.text.strip())
    # 处理子元素
    for child in element:
        prefix, suffix = rules.get(child.tag, ('', ''))
        latex_content += prefix
        latex_content += xml_to_latex(child, rules)
        latex_content += suffix
        # 处理子元素后置文本
        if child.tail:
            latex_content += escape_latex(child.tail.strip())
    return latex_content

# 示例XML
xml_str = '''<document>
<title>文档标题</title>
<para>第一段文本<emph>重点内容</emph>，包含特殊字符$%&#_。</para>
<para>第二段文本<bold>加粗内容</bold>。</para>
</document>'''

root = ET.fromstring(xml_str)
latex_output = xml_to_latex(root, latex_rules)
print(latex_output)

输出的LaTeX内容：

\section{文档标题}

第一段文本\emph{重点内容}，包含特殊字符\$\%\&\#\_。

第二段文本\textbf{加粗内容}。

常见问题排查（ElementTree未达预期的原因） #

1. 忽略tail属性：ElementTree中元素的tail是结束标签后的文本，很多人只处理text导致文本缺失或位置错误。
2. 遍历异常：直接遍历element时修改元素结构会触发迭代错误，需用list(element)转成列表后再遍历。
3. 空白字符冗余：XML中的换行、空格会被保留，转换时需用strip()清理多余空白，避免LaTeX出现不必要的空格。
4. 特殊字符未转义：LaTeX的特殊字符（$、%等）需要手动转义，否则会编译报错。

内容的提问来源于stack exchange，提问作者Yoshandan