基于Python与LXML：如何在特定上下文修改XML元素属性

需求说明 #

需要处理结构如下的XML元素：

<tok tag1="blah1" tag2="blah2" tag3="blah3">TEXT1</tok> 
<tok tag1="blahA" tag2="blahB" tag3="blahC">TEXT2</tok>
<tok tag1="blahX" tag2="blahY" tag3="blahZ">TEXT3</tok>

此前已实现单一条件的属性修改逻辑：

def xml_change(root_element):
    for el in root.xpath('//tok'):        
        if el.get('tag1') == "blah1":
            el.set('tag1', 'Blah1-TEXT1')
            el.set('tag2', 'Blah2-TEXT1')

现在需要实现更复杂的规则：仅当某个<tok>元素的紧邻前一个<tok>的tag1属性为blah1，且紧邻后一个<tok>的tag2属性为blahY时，将该元素的tag1改为newattrib。例如在以下XML中，仅TEXT5对应的元素需要修改：

<tok tag1="blah1" tag2="blah2" tag3="blah3">TEXT1</tok> 
<tok tag1="blahA" tag2="blahB" tag3="blahC">TEXT2</tok>
<tok tag1="blahA" tag2="blahB" tag3="blahC">TEXT3</tok>
<tok tag1="blah1" tag2="blah2" tag3="blah3">TEXT4</tok> 
<tok tag1="blahA" tag2="blahB" tag3="blahC">TEXT5</tok>
<tok tag1="blahX" tag2="blahY" tag3="blahZ">TEXT6</tok>

目标修改结果：

<tok tag1="blah1" tag2="blah2" tag3="blah3">TEXT1</tok> 
<tok tag1="blahA" tag2="blahB" tag3="blahC">TEXT2</tok>
<tok tag1="blahA" tag2="blahB" tag3="blahC">TEXT3</tok>
<tok tag1="blah1" tag2="blah2" tag3="blah3">TEXT4</tok> 
<tok tag1="newattrib" tag2="blahB" tag3="blahC">TEXT5</tok>
<tok tag1="blahX" tag2="blahY" tag3="blahZ">TEXT6</tok>

解决方案 #

方法1：使用XPath直接定位目标元素 #

利用XPath的兄弟节点轴，直接筛选出符合前后上下文条件的<tok>节点，再修改属性：

def xml_change(root):
    # XPath表达式：匹配前一个兄弟tag1为blah1、后一个兄弟tag2为blahY的tok元素
    target_elements = root.xpath('//tok[preceding-sibling::tok[1]/@tag1="blah1" and following-sibling::tok[1]/@tag2="blahY"]')
    for el in target_elements:
        el.set('tag1', 'newattrib')

XPath表达式解释：

• preceding-sibling::tok[1]：当前节点的紧邻前一个兄弟节点（[1]限定为直接前序节点，而非所有前序兄弟）
• following-sibling::tok[1]：当前节点的紧邻后一个兄弟节点
• 组合条件：同时满足前兄弟的tag1为blah1，后兄弟的tag2为blahY

方法2：遍历节点时检查前后元素 #

如果需要更灵活的逻辑处理，可以先获取所有<tok>节点的列表，再逐个检查前后节点的属性：

def xml_change(root):
    tok_list = root.xpath('//tok')
    # 跳过第一个和最后一个节点（无完整前后兄弟）
    for i in range(1, len(tok_list)-1):
        current = tok_list[i]
        prev = tok_list[i-1]
        next_el = tok_list[i+1]
        
        if prev.get('tag1') == 'blah1' and next_el.get('tag2') == 'blahY':
            current.set('tag1', 'newattrib')

注意事项：

• 遍历范围从索引1到len(tok_list)-2，避免访问不存在的前后节点
• 这种方式适合需要在检查上下文时执行额外操作的场景

内容的提问来源于stack exchange，提问作者jfontana