如何通过Python Etree获取XML中event-date下的date节点内容

问题场景 #

需要从以下XML结构中，仅提取<event-date>节点下的<date>内容，但现有代码会抓取所有<date>节点，且访问<event-date>相关内容时返回空：

<events-data>
      <dossier-event event-type="new" id="EVT_4573534">
         <event-date>
            <date>20220816</date>
         </event-date>
         <event-code>EPIDOSNWIAI</event-code>
         <event-text event-text-type="DESCRIPTION">text</event-text>
      </dossier-event>
   </events-data>
   <events-data>
      <dossier-event event-type="new" id="EVT_4573535">
         <event-date>
            <date>20220402</date>
         </event-date>
         <event-code>EPIDOS PCT</event-code>
         <event-text event-text-type="DESCRIPTION">text1</event-text>
      </dossier-event>
   </events-data>

用户尝试的代码：

root_events = ET.fromstring(response_events.content)
for element in root_events.iter('{http://myapi/register}date'):
    print(element.text)

解决方案 #

核心问题是XML节点带有命名空间，必须通过命名空间映射或完整命名空间标签名来定位节点，同时精准限定<date>的父节点为<event-date>。

方法1：使用XPath精准定位（推荐） #

通过XPath直接指定节点层级，结合命名空间映射筛选目标节点：

import xml.etree.ElementTree as ET

# 定义命名空间映射，简化节点引用
ns = {'reg': 'http://myapi/register'}
root_events = ET.fromstring(response_events.content)

# 定位所有event-date节点下的date子节点
for date_elem in root_events.findall('.//reg:event-date/reg:date', ns):
    print(date_elem.text)

'.//reg:event-date/reg:date'表示：查找任意层级下的<event-date>节点，再取其直接子节点<date>，确保只获取目标范围内的内容。

方法2：逐层遍历节点 #

先找到所有<event-date>节点，再从中提取子节点<date>：

import xml.etree.ElementTree as ET

root_events = ET.fromstring(response_events.content)

# 遍历所有带命名空间的event-date节点
for event_date in root_events.iter('{http://myapi/register}event-date'):
    # 从当前event-date节点下查找date子节点
    date_elem = event_date.find('{http://myapi/register}date')
    if date_elem is not None:
        print(date_elem.text)

这种方式通过先锁定<event-date>节点，再获取其子节点，避免抓取无关的<date>节点。

关键说明 #

之前访问<event-date>为空，是因为XML中的节点实际带有http://myapi/register命名空间，直接使用不带命名空间的标签名无法匹配到节点，必须通过完整命名空间标签名或命名空间映射来引用。

内容的提问来源于stack exchange，提问作者Trend Freelancer