如何遍历XML文件并计算PremieTot字段的总和

问题场景 #

需要遍历XML文件，计算所有PremieTot字段的数值总和，XML结构示例：

<?xml version="1.0" encoding="iso-8859-1" ?>
<Bericht Version="1.0" xmlns="http://www.test.nl/test/2022/01">
  <Bericht>
    <IdBer>1111</IdBer>
    <IdLcr>2323</IdLcr>
    <NmLcr>Test Company</NmLcr>
  </Bericht>
  <AdministratieveEenheid>
    <LhNr>3434</LhNr>
    <NmIP>Test Company</NmIP>
    <TvkCd>MND</TvkCd>
    <TijdvakAangifte>
      <DatAanvTv>2022-01-01</DatAanvTv>
      <DatEindTv>2022-01-31</DatEindTv>
      <VolledigeAangifte>
        <CollectieveAangifte>
          <TotaalRegelingen>
            <RelNrAansl>3434</RelNrAansl>
          </TotaalRegelingen>
          <TotaalRegelingen>
            <RelNrAansl>3434</RelNrAansl>
          </TotaalRegelingen>
        </CollectieveAangifte>
        <InkomstenverhoudingInitieel>
          <NumIV>1</NumIV>
          <DatAanv>2020-01-01</DatAanv>
          <PersNr>2364</PersNr>
          <RegelingGegevens>
            <PremieTot>0.52</PremieTot>
          </RegelingGegevens>
        </InkomstenverhoudingInitieel>
        <InkomstenverhoudingInitieel>
          <NumIV>1</NumIV>
          <DatAanv>2020-07-01</DatAanv>
          <PersNr>2365</PersNr>
          <RegelingGegevens>
            <PremieTot>0.66</PremieTot>
            <AantVerlUPens>29.12</AantVerlUPens>
          </RegelingGegevens>
        </InkomstenverhoudingInitieel>
      </VolledigeAangifte>
    </TijdvakAangifte>
  </AdministratieveEenheid>
</Bericht>

尝试用xmltodict解析后无法获取目标字段，代码如下：

info_dict = xml_dict["PensioenAangifte"]["AdministratieveEenheid"]["TijdvakAangifte"]["VolledigeAangifte"]
premieTotal = [xml_data["RegelingGegevens"]["PremieTot"] for xml_data in info_dict]

问题原因 #

1. 根节点错误：原代码用PensioenAangifte作为根节点，但实际XML根节点是Bericht
2. 命名空间未处理：XML包含默认命名空间xmlns="http://www.test.nl/test/2022/01"，xmltodict解析时会对节点名做特殊处理
3. 节点遍历逻辑错误：VolledigeAangifte下包含CollectieveAangifte等无关节点，直接遍历会导致键不存在错误

解决方案 #

方法1：修正xmltodict解析逻辑 #

处理命名空间并修正节点路径，确保目标节点被正确提取：

import xmltodict

# 读取XML文件
with open("your_file.xml", "r", encoding="iso-8859-1") as f:
    xml_content = f.read()

# 解析XML，强制将InkomstenverhoudingInitieel转为列表，避免单个节点时出错
xml_dict = xmltodict.parse(
    xml_content,
    remove_blank_text=True,
    force_list={'InkomstenverhoudingInitieel'},
    namespaces={'' : 'http://www.test.nl/test/2022/01'}  # 映射默认命名空间为空，节点名不带前缀
)

# 逐层获取目标节点列表
volledige_aangifte = xml_dict["Bericht"]["AdministratieveEenheid"]["TijdvakAangifte"]["VolledigeAangifte"]
inkomsten_list = volledige_aangifte["InkomstenverhoudingInitieel"]

# 计算总和
total_premie = sum(float(item["RegelingGegevens"]["PremieTot"]) for item in inkomsten_list)
print(f"PremieTot总和：{total_premie}")

方法2：用lxml结合XPath（更高效） #

XPath可直接定位所有PremieTot节点，无需逐层遍历，适合复杂XML结构：

from lxml import etree

# 加载XML文件
tree = etree.parse("your_file.xml")
# 定义命名空间映射
ns_map = {'ns': 'http://www.test.nl/test/2022/01'}

# 提取所有PremieTot节点的文本内容
premie_values = tree.xpath("//ns:PremieTot/text()", namespaces=ns_map)

# 计算总和
total_premie = sum(float(val) for val in premie_values)
print(f"PremieTot总和：{total_premie}")

内容的提问来源于stack exchange，提问作者saro