如何用Python提取XML中CDATA内部的XML数据

问题分析 #

CDATA块在XML解析器中会被当作纯文本处理，因此直接遍历外层XML节点无法获取其内部的XML结构。需要先提取CDATA文本内容，再单独解析这部分内容为XML。

完整解决方案代码 #

import xml.etree.ElementTree as ElementTree

# 解析外层XML文件
tree = ElementTree.parse('file.xml')
root = tree.getroot()

# 提取已实现的EventId
event_id = root.find('.//EventId').text
print(f"EventId: {event_id}")

# 获取PAYLOAD节点下的CDATA文本，清理多余空白字符
payload_cdata = root.find('.//PAYLOAD').text.strip()

# 将CDATA文本解析为XML树
payload_root = ElementTree.fromstring(payload_cdata)

# 定位_Type为Phone的CONTACT_POINT节点
phone_contact = payload_root.find(".//CONTACT_POINT[@_Type='Phone']")
if phone_contact:
    contact_type = phone_contact.get('_Type')
    contact_value = phone_contact.get('_Value')
    print(f"Phone Contact - Type: {contact_type}, Value: {contact_value}")

代码说明 #

1. 提取CDATA内容：通过root.find('.//PAYLOAD').text获取PAYLOAD节点下的文本（即CDATA内容），用strip()去除首尾多余的换行和空格。
2. 解析CDATA内的XML：使用ElementTree.fromstring()将纯文本格式的XML字符串转换为可操作的XML树结构。
3. 定位目标节点：利用XPath表达式".//CONTACT_POINT[@_Type='Phone']"直接筛选出_Type属性为Phone的CONTACT_POINT节点。
4. 获取属性值：通过.get()方法提取节点的_Type和_Value属性值。

测试输出 #

EventId: 122157660
Phone Contact - Type: Phone, Value: 1236573348

内容的提问来源于stack exchange，提问作者Sri Goverdhan Sam