XPath如何仅选取单一层级直接子元素 排除后代节点内容

问题场景 #

现有如下XML文件：

<root xmlns:foo="" xmlns:bar="">
    <actors>
        <actor id="1">Christian Bale</actor>
        <actor id="2">Liam Neeson</actor>
        <actor id="3">Michael Caine</actor>
    </actors>
    <foo:singers>
        <foo:singer id="4">Tom Waits</foo:singer>
        <foo:singer id="5">B.B. King</foo:singer>
        <foo:singer id="6">Ray Charles</foo:singer>
    </foo:singers>
</root>

需要通过XPath查询得到如下结果，仅返回root节点的第一层直接子元素标签，不包含子元素下的所有后代内容：

<actors> </actors>
<foo:singers> </foo:singers>

使用/root/*语法查询时，返回的结果会携带子元素下的所有后代节点，内容如下，不符合需求：

<actors>
    <actor id="1">Christian Bale</actor>
    <actor id="2">Liam Neeson</actor>
    <actor id="3">Michael Caine</actor>
</actors>

<foo:singers>
    <foo:singer id="4">Tom Waits</foo:singer>
    <foo:singer id="5">B.B. King</foo:singer>
    <foo:singer id="6">Ray Charles</foo:singer>
</foo:singers>

核心说明 #

首先澄清一个常见误区：/root/*的XPath选取逻辑本身是完全正确的。
XPath语法中，单斜杠/代表严格的直接父子层级关系，/root/*只会选中root节点下的第一层直接子元素（也就是<actors>和<foo:singers>两个节点），不会选中孙级的<actor>、<foo:singer>节点。你看到返回结果包含孙级内容，是XML解析器在序列化输出选中的节点时，默认会把该节点内部的整个子树全部打印出来，和XPath的选取逻辑无关。

实现方案 #

要得到不带内部后代内容的空标签结果，不需要修改XPath选取语句，只需要调整节点序列化输出的逻辑即可，常见实现方式如下：

• 支持XPath 2.0/3.0的解析器（比如Saxon、BaseX）：直接配置序列化规则，设置节点输出深度为1，丢弃选中元素的所有子节点后输出即可。
• 通用编程语言场景（Python/Java/JS等带XML解析库的环境）：先用/root/*拿到所有直接子元素的节点集合，遍历每个节点时，只提取节点的标签名、命名空间映射，创建同名的空元素再序列化输出，不要直接序列化原始选中的节点。

以Python的lxml库为例，实现代码如下：

from lxml import etree

# 加载XML内容
xml_content = """<root xmlns:foo="" xmlns:bar="">
    <actors>
        <actor id="1">Christian Bale</actor>
        <actor id="2">Liam Neeson</actor>
        <actor id="3">Michael Caine</actor>
    </actors>
    <foo:singers>
        <foo:singer id="4">Tom Waits</foo:singer>
        <foo:singer id="5">B.B. King</foo:singer>
        <foo:singer id="6">Ray Charles</foo:singer>
    </foo:singers>
</root>"""
root = etree.fromstring(xml_content.encode("utf-8"))
# 选取root的所有直接子元素
direct_children = root.xpath("/root/*")
# 逐个生成空标签输出
for child in direct_children:
    empty_node = etree.Element(child.tag, nsmap=child.nsmap)
    print(etree.tostring(empty_node, encoding="unicode"))

运行后即可得到预期的空标签输出。

内容的提问来源于stack exchange，提问作者Mingli Yang