使用lxml etree获取XML嵌套元素时保留结构与命名空间的咨询

你之前手动遍历后代节点逐个创建元素的写法存在本质缺陷：遍历descendant::*拿到的是拍平的所有后代节点，没有保留原有的父子层级关系；同时你只赋值了text属性，完全没处理元素属性、tail文本（即闭合标签后跟随的文本，比如示例中</italic>后的"some brief description, visit "）、命名空间映射，自然会出现结构错乱、内容丢失、命名空间缺失的问题。后续加的p标签硬编码判断，更是把逻辑和特定文档结构绑定，完全没有通用性。

lxml原生支持节点深拷贝，不需要自己写遍历逻辑，一行代码就能完整保留所有嵌套结构、属性、文本、命名空间，实现1:1节点复制：
首先导入依赖：

import copy
from lxml import etree

替换原有abstract处理逻辑即可：

abstract_source = tree.find(".//abstract")
if abstract_source is not None:
    # 深拷贝整个节点，包含所有层级子节点、属性、文本、命名空间
    abstract_clone = copy.deepcopy(abstract_source)
    # 将拷贝完成的节点挂载到目标父节点下
    mods.append(abstract_clone)

• 无任何硬编码逻辑，不依赖特定标签结构，不管节点嵌套多少层、子节点是什么标签名都能正常复制
• 自动保留所有元素属性，比如示例中uri标签的xlink:href属性不会丢失
• 自动同步原节点的命名空间映射，不需要手动处理nsmap
• 自动完整保留text和tail文本，不会出现节点间文本丢失的问题
• 代码量极小，没有自定义遍历逻辑，几乎不会出bug

如果有定制需求不能直接用深拷贝，需要手动遍历节点的话，必须通过递归维护正确的父子层级，同时同步属性、文本、命名空间，参考实现如下：

def clone_element(source, target_parent):
    # 创建新节点，同步原节点命名空间
    new_elem = etree.SubElement(target_parent, source.tag, nsmap=source.nsmap)
    # 复制所有属性
    for attr_k, attr_v in source.attrib.items():
        new_elem.set(attr_k, attr_v)
    # 复制节点起始标签后的文本
    new_elem.text = source.text
    # 递归处理所有直接子节点
    for child in source:
        clone_element(child, new_elem)
    # 复制节点闭合标签后的尾部文本
    new_elem.tail = source.tail
    return new_elem

# 调用方式
abstract_source = tree.find(".//abstract")
if abstract_source is not None:
    clone_element(abstract_source, mods)

注意：手动实现版本默认只处理普通元素节点，如果需要兼容注释、处理指令等特殊XML节点，还要额外加类型判断，无特殊需求优先使用深拷贝方案。

内容的提问来源于stack exchange，提问作者joesch