Python ElementTree无法提取带xml:lang属性元素及parent节点文本

针对你的情况，虽然能找到<display-name>和<parent>节点但提取不到文本，可按以下方式排查修复：

可能原因与解决方案 #

• 元素文本存在嵌套或空白干扰：如果XML中这些元素的文本并非直接节点值（比如嵌套子元素，或文本被换行/空白包裹），直接用.text可能无法获取完整内容，此时可通过itertext()遍历所有子节点文本并拼接。
• 命名空间严格匹配问题：确认命名空间URL完全一致（包括大小写、特殊字符），ElementTree对命名空间是严格匹配的，细微差异都会导致节点查找异常。
• 简化提取逻辑：使用findtext()方法可直接获取文本并指定默认值，无需手动处理节点为None的情况，代码更简洁可靠。

修改后的代码示例 #

import xml.etree.ElementTree as ET

ns = {'d': 'http://www.demandware.com/xml/impex/catalog/2006-10-31'}

root = ET.fromstring("""<?xml version="1.0" encoding="UTF-8"?>
<catalog xmlns="http://www.demandware.com/xml/impex/catalog/2006-10-31" catalog-id="my-catalog-id">
    <category category-id="my_id1">
        <display-name xml:lang="cs-CZ">Bla bla 1</display-name>
        <online-flag>false</online-flag>
    </category>
    <category category-id="my_id2">
        <display-name xml:lang="cs-CZ">Bla bla 2</display-name>
        <online-flag>false</online-flag>
        <parent>my_id1</parent>
    </category>
</catalog>
""")

def parse_category(category_node):
    category_id = category_node.attrib['category-id']
    is_online = category_node.findtext('d:online-flag', namespaces=ns) == "true"
    # 用findtext直接获取文本，节点不存在时返回空字符串
    display_name = category_node.findtext('d:display-name', default='', namespaces=ns)
    # 若元素存在嵌套子节点，改用以下方式拼接所有文本
    # display_name = ''.join(category_node.find('d:display-name', ns).itertext()) if category_node.find('d:display-name', ns) else ''
    parent_id = category_node.findtext('d:parent', default='', namespaces=ns)

    print("{} | {} | {} | {}".format(category_id, display_name, is_online, parent_id))

for child in root:
    if child.tag == "{{{0}}}category".format(ns['d']):
        parse_category(child)

说明 #

• findtext()方法会自动处理节点不存在的场景，返回指定默认值，避免了手动判断None的冗余代码。
• 如果你的实际XML中<display-name>或<parent>包含嵌套子元素（比如<display-name><span>Bla bla</span></display-name>），使用itertext()可以提取所有层级的文本内容并拼接成完整字符串。

内容的提问来源于stack exchange，提问作者Antonio