如何用Python ElementTree解析带命名空间的XML并获取非自闭合元素值？

我遇到的问题和类似的命名空间XML解析问题类似，但始终无法解决。我需要获取所有**非自闭合标签<itunes:subtitle>**的值，注意要排除自闭合的<itunes:subtitle/>标签。

示例XML（sample.xml） #

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<rss version="2.0" xmlns:itunes="http://www.itunes.com/dtds/podcast-1.0.dtd" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <item>
      <title>A title</title>
      <itunes:subtitle/>
      <itunes:subtitle>A subtitle</itunes:subtitle>
    </item>
    <item>
      <title><![CDATA[Another title]]></title>
      <itunes:subtitle/>
      <itunes:subtitle>Yet another subtitlen</itunes:subtitle>
    </item>
  </channel>
</rss>

我的Python代码 #

import xml.etree.ElementTree as ET

with open('sample.xml', 'r', encoding='utf8') as f:
    tree = ET.parse(f)
    root = tree.getroot()

for xml_item in root.iter('item'):
    namespaces = {'itunes': 'subtitle'}
    print(root.findall('itunes:subtitle', namespaces))

运行结果 #

[]
[]

问题分析与解决方案 #

1. 命名空间映射错误：你定义的namespaces字典把itunes映射成了subtitle，这完全错误。正确的映射应该是XML里xmlns:itunes对应的URL：http://www.itunes.com/dtds/podcast-1.0.dtd。
2. 查找路径错误：遍历item元素时，却用root.findall查找，而root是<rss>节点，直接找itunes:subtitle会找不到——这些标签在item内部，应该用当前的xml_item调用findall。
3. 筛选非自闭合标签：自闭合标签的text属性为None，而非自闭合标签有文本内容，可通过判断element.text是否非空来筛选。

修正后的代码 #

import xml.etree.ElementTree as ET

with open('sample.xml', 'r', encoding='utf8') as f:
    tree = ET.parse(f)
    root = tree.getroot()

# 正确的命名空间映射
namespaces = {'itunes': 'http://www.itunes.com/dtds/podcast-1.0.dtd'}

for xml_item in root.iter('item'):
    # 在当前item下查找所有itunes:subtitle标签
    subtitles = xml_item.findall('itunes:subtitle', namespaces)
    # 筛选出有有效文本的非自闭合标签
    valid_subtitles = [sub.text.strip() for sub in subtitles if sub.text and sub.text.strip()]
    print(valid_subtitles)

修正后运行结果 #

['A subtitle']
['Yet another subtitlen']

内容的提问来源于stack exchange，提问作者Arete