使用lxml的etree.iter获取单个子节点时返回多余兄弟节点如何解决

问题原因 #

你遇到的序列化异常是旧版lxml的已知bug：2.x及更早版本的etree.tostring()方法处理非根节点时，会错误将当前节点之后的所有同级节点、父节点闭合标签一同输出，和iter()遍历逻辑无关。你后续定位到的版本问题是完全正确的。

解决方案 #

方案1（推荐） #

升级lxml到3.0及以上稳定版本，你的原有代码无需任何修改，即可得到预期的单个user节点输出。新版本已修复该序列化bug，root.iter("user")会正确遍历所有独立的user节点，etree.tostring()仅会序列化当前节点及其子节点。

方案2（兼容旧版本，无需升级） #

如果受环境限制无法升级lxml，可在etree.tostring()中添加with_tail=False参数，强制不输出当前节点的尾内容，也可以改用findall()方法匹配子节点，示例代码如下：

from lxml import etree

root = etree.XML("<users><user><name>Test</name><id>01</id></user> \
                         <user><name>Test</name><id>02</id></user> \
                         <user><name>Test</name><id>03</id></user></users>")

for record in root.findall("user"):
    # with_tail=False 禁止输出当前节点结束标签后的额外内容
    print(etree.tostring(record, with_tail=False))

运行上述代码即可得到你期望的输出：

b'<user><name>Test</name><id>01</id></user>'
b'<user><name>Test</name><id>02</id></user>'
b'<user><name>Test</name><id>03</id></user>'

内容的提问来源于stack exchange，提问作者timtom