如何用Python提取XML重复标签内的指定元素？

直接结合你使用的BeautifulSoup + Selenium流程给出解决方案：

步骤1：获取并解析XML内容 #

先通过Selenium拿到目标XML页面的源码，再用BeautifulSoup的XML解析器处理：

from selenium import webdriver
from bs4 import BeautifulSoup

# 初始化Chrome驱动（确保驱动路径正确，其他浏览器同理）
driver = webdriver.Chrome()
driver.get("你的目标XML文件URL")

# 获取XML源码后关闭浏览器
xml_content = driver.page_source
driver.quit()

# 用BeautifulSoup解析XML（必须指定'xml'解析器）
soup = BeautifulSoup(xml_content, 'xml')

步骤2：提取代码并去重 #

利用Python集合自动去重的特性，遍历所有Codes标签提取有效内容：

# 用集合存储唯一代码
unique_codes = set()

# 遍历所有Codes标签
for code_tag in soup.find_all('Codes'):
    # 提取文本并清理首尾空白
    code = code_tag.get_text(strip=True)
    # 跳过空内容的无效标签
    if code:
        unique_codes.add(code)

# 转成逗号分隔的字符串（可选排序，按需调整）
result = ','.join(sorted(unique_codes))
print(result)

关键注意事项 #

• 标签大小写：XML区分大小写，find_all('Codes')中的标签名必须和实际XML结构完全匹配（比如实际是小写codes就改成对应写法）。
• 嵌套结构处理：如果Codes标签内部还有子标签（如<Codes><Code>72000000</Code></Codes>），需要调整提取逻辑：

  code = code_tag.find('Code').get_text(strip=True)
  

• 大文件优化：如果XML体积特别大，用Python内置的xml.etree.ElementTree解析速度更快，替代示例：

  import xml.etree.ElementTree as ET
  from selenium import webdriver
  
  driver = webdriver.Chrome()
  driver.get("你的目标XML文件URL")
  xml_content = driver.page_source
  driver.quit()
  
  root = ET.fromstring(xml_content)
  unique_codes = set()
  
  # 用XPath定位所有Codes标签
  for code_tag in root.findall('.//Codes'):
      code = code_tag.text.strip() if code_tag.text else ''
      if code:
          unique_codes.add(code)
  
  result = ','.join(sorted(unique_codes))
  print(result)
  

内容的提问来源于stack exchange，提问作者NukeSkull