如何用Python提取XML文件中重复的seekvideo子元素内容？

需求说明 #

处理大型XML文件，提取所有<seekvideo>标签的文本内容（忽略id属性），每个内容单独占一行，最终保存到以对应<talkid>命名的TXT文件中。原代码能在终端打印所有内容，但写入文件时仅保存最后一条。

XML示例 #

<xml>
<file id="13">
  <head>
    <talkid>2458</talkid>
    <transcription>
      <seekvideo id="645">THIS PART SHOULD BE EXTRACTED</seekvideo>
      <seekvideo id="3349">THIS PART SHOULD BE EXTRACTED</seekvideo>
      <seekvideo id="4937">THIS PART SHOULD BE EXTRACTED</seekvideo>
      <seekvideo id="7423">THIS PART SHOULD BE EXTRACTED</seekvideo>
    </transcription>
  </head>
</file>
</xml>

原代码问题 #

原代码仅用单个变量存储seekvideo内容，每次覆盖前值；且在<file>结束时仅写入最后一次的变量值，导致文件仅保存一条内容。

import xml.etree.ElementTree as ET
from pathlib import Path

all_talks = Path(r'test.xml')
context = ET.iterparse(all_talks, events=('start', 'end'))

for event, element in context:
    if event == 'end':
        if element.tag == 'talkid':
            title = element.text
        elif  element.tag == 'seekvideo':
            seekvideo = element.text
            # print (seekvideo)
        elif element.tag == 'file' and title and seekvideo:
            with open(all_talks.with_name(title + '.txt'), 'w') as f:
                f.write(seekvideo)
    elif element.tag == 'file':
        seekvideo = title = None

修正后的代码 #

通过列表收集当前文件下所有seekvideo内容，处理完整个<file>标签后统一写入文件：

import xml.etree.ElementTree as ET
from pathlib import Path

all_talks = Path(r'test.xml')
context = ET.iterparse(all_talks, events=('start', 'end'))

for event, element in context:
    if event == 'start':
        if element.tag == 'file':
            # 进入file标签时初始化变量
            title = None
            seekvideo_contents = []
    elif event == 'end':
        if element.tag == 'talkid':
            title = element.text.strip() if element.text else None
        elif element.tag == 'seekvideo':
            # 收集每个seekvideo的文本内容
            content = element.text.strip() if element.text else ''
            if content:
                seekvideo_contents.append(content)
        elif element.tag == 'file' and title and seekvideo_contents:
            # 处理完整个file后写入所有内容
            output_file = all_talks.with_name(f"{title}.txt")
            with open(output_file, 'w', encoding='utf-8') as f:
                f.write('\n'.join(seekvideo_contents))
    # 清理元素，避免内存泄漏（处理大型XML必备）
    element.clear()

代码说明 #

• 用seekvideo_contents列表收集当前<file>下的所有有效seekvideo文本
• 处理<talkid>时去除首尾空白，避免文件名异常
• 写入文件时用'\n'.join()将列表内容转为每行一条的格式
• 添加element.clear()清理已处理元素，避免处理大型XML时内存溢出

内容的提问来源于stack exchange，提问作者Leila