如何使用Beautiful Soup无顺序依赖地将XML标签替换为LaTeX命令

需求与示例 #

需要实现任意嵌套结构XML到LaTeX命令格式的转换，规则为每个XML标签<tag>内容</tag>对应转换为\tag{内容}格式。
转换效果参考：

• 输入XML：

<?xml version="1.0" encoding="UTF-8"?>
<foo>
    12345
    <bar>
        67890
    </bar>
</foo>

• 输出LaTeX：

\foo{12345\bar{67890}}

原有实现的问题 #

最初的实现代码存在以下缺陷：

from bs4 import BeautifulSoup

with open("foobar.xml") as fp:
    soup = BeautifulSoup(fp, 'xml')

for tag in soup.find_all("foo"):
    tag.replaceWith(f"""{tag.text}""")

• 调用tag.text只会提取标签下的纯文本内容，嵌套子标签的结构会完全丢失
• 调用tag.contents会返回由文本节点、子标签对象组成的列表，无法直接拼接为完整字符串
• 调用unwrap()方法仅能移除标签本身，无法实现LaTeX命令的花括号包裹逻辑
• 手动按从内到外顺序替换指定标签的方式通用性极差，无法适配未知标签、未知嵌套深度的场景

无顺序依赖的通用实现 #

通过递归遍历节点的方式实现，逻辑会自动从最深层子节点开始向上拼接内容，完全不需要手动指定标签处理顺序，兼容任意标签名和嵌套层级：

from bs4 import BeautifulSoup, NavigableString, Tag

def node_to_latex(node):
    # 处理纯文本节点：清理多余缩进、换行
    if isinstance(node, NavigableString):
        text = node.strip()
        return text if text else ""
    # 处理标签节点：递归拼接所有子节点内容，包裹为LaTeX命令格式
    if isinstance(node, Tag):
        child_content = "".join(node_to_latex(child) for child in node.children)
        return f"\\{node.name}{{{child_content}}}"
    return ""

# 读取XML文件
with open("foobar.xml") as fp:
    soup = BeautifulSoup(fp, 'xml')

# 从根节点开始递归转换，无需手动指定标签名
latex_output = node_to_latex(soup.find())
print(latex_output)

运行上述代码处理示例XML，会直接输出符合要求的\foo{12345\bar{67890}}结果。

实现特性 #

• 不需要提前声明任何标签名，适配任意结构的XML输入
• 不需要手动控制标签处理顺序，递归逻辑天然优先处理内层节点
• 自动清理XML排版用的多余缩进、空行，避免输出的LaTeX存在无意义空白
• 支持无限层级的标签嵌套，所有层级都会正确生成对应的命令包裹结构

内容的提问来源于stack exchange，提问作者Michael Freimann