Python使用xml.etree.ElementTree筛选SHA-256不同的XML flow节点

你可以按照节点定位、值提取、对比筛选的逻辑一步步实现，全程用ElementTree内置的XPath查找方法即可，不需要自己写多层循环遍历节点。

核心实现步骤 #

• 加载XML数据源：如果是XML文件用ET.parse(文件路径).getroot()获取根节点，如果是XML格式字符串用ET.fromstring(字符串内容)获取根节点
• 批量获取所有节点：直接调用根节点的findall('./flows/flow')方法，就能拿到下全部子元素的列表
• 单flow内定位两个reference节点：对每个flow节点，用带属性匹配的XPath./reference[@type='from']和./reference[@type='to']，分别拿到type属性为from和to的两个reference节点
• 提取SHA-256哈希值：在每个reference节点下，用XPath./app/hashes/hash[@type='SHA-256']定位到存SHA-256值的hash节点，取节点的text属性就是哈希值，记得用.strip()去掉首尾多余的空白字符，避免格式问题导致对比错误
• 筛选符合要求的flow：对比两个哈希值，不相等时用ET.tostring(flow, encoding='unicode')把当前flow节点转成完整的XML字符串，存入结果列表即可
• 异常兼容：每一步查找节点后都判断下返回值是否为None，遇到XML结构缺项的情况直接跳过，避免程序报错

可直接运行的示例代码 #

import xml.etree.ElementTree as ET

# --------------------------
# 替换成你自己的XML加载逻辑
# 本地文件加载写法：
# root = ET.parse("你的xml文件路径.xml").getroot()
# 字符串加载写法参考下方示例
# --------------------------
xml_demo = """
<answer>
    <flows>
        <flow flow_id="001">
            <reference type="from">
                <app>
                    <hashes>
                        <hash type="SHA-256">a1b2c3d4e5f6</hash>
                        <hash type="MD5">x1y2z3</hash>
                    </hashes>
                </app>
            </reference>
            <reference type="to">
                <app>
                    <hashes>
                        <hash type="SHA-256">a1b2c3d4e5f6</hash>
                    </hashes>
                </app>
            </reference>
        </flow>
        <flow flow_id="002">
            <reference type="from">
                <app>
                    <hashes>
                        <hash type="SHA-256">f6e5d4c3b2a1</hash>
                    </hashes>
                </app>
            </reference>
            <reference type="to">
                <app>
                    <hashes>
                        <hash type="SHA-256">998877665544</hash>
                    </hashes>
                </app>
            </reference>
        </flow>
    </flows>
</answer>
"""
root = ET.fromstring(xml_demo)

# 存筛选结果
matched_flows = []

for flow in root.findall("./flows/flow"):
    # 找两个reference节点
    ref_from = flow.find("./reference[@type='from']")
    ref_to = flow.find("./reference[@type='to']")
    if not (ref_from and ref_to):
        continue

    # 找两个SHA-256哈希节点
    hash_from_node = ref_from.find("./app/hashes/hash[@type='SHA-256']")
    hash_to_node = ref_to.find("./app/hashes/hash[@type='SHA-256']")
    if not (hash_from_node and hash_to_node):
        continue

    # 对比哈希值，不相等就存完整flow内容
    hash_from = hash_from_node.text.strip() if hash_from_node.text else ""
    hash_to = hash_to_node.text.strip() if hash_to_node.text else ""
    if hash_from != hash_to:
        matched_flows.append(ET.tostring(flow, encoding="unicode"))

# 输出结果
for idx, flow_content in enumerate(matched_flows, 1):
    print(f"第{idx}个哈希不匹配的flow：\n{flow_content}\n")

初学者注意事项 #

• XPath语法里属性匹配必须加@前缀，比如[@type='from']，漏写@会找不到目标节点
• 不要手动写多层循环逐层找子节点，用find/findall加XPath路径的写法代码量更少，出错概率更低
• 提取节点文本时一定要判断text是否为None，部分空节点的text属性是None，直接调用strip()会报错

内容的提问来源于stack exchange，提问作者Ajay K