使用BeautifulSoup删除XML指定元素时误删无关内容如何解决

问题根因 #

• BeautifulSoup依赖的lxml XML解析器默认会自动规范化XML内容：包括合并空白字符、修正不规范标签、调整自闭合标签格式、自动处理命名空间、删除未声明的属性等，这部分改动在解析阶段就会触发，和你的删除逻辑无关。
• 读写文件时未指定编码，Windows系统默认用GBK编码读取UTF-8格式的XML会出现内容解析错误，导致输出时无关内容丢失。
• 输出时直接调用str(soup)，输出的是解析器重构后的XML结构，不会保留原始文件的注释、缩进、特殊符号格式。
• 未对定位到的父节点做校验，若存在多个内容为29.2.3的Version标签，可能会误删其他节点的父元素。

修复方案 #

1. 调整BeautifulSoup的使用逻辑，适配XML处理场景 #

优化后的代码如下：

from bs4 import BeautifulSoup, Comment

# 读写文件指定编码，避免编码错误
with open(r'C:\Ashok\sample.xml', 'r', encoding='utf-8') as text_file:
    xml_content = text_file.read()

# 解析XML时保留注释
soup = BeautifulSoup(xml_content, 'xml')
target_version = soup.find('Version', text='29.2.3')

if target_version:
    target_parent = target_version.find_parent()
    # 新增父节点标签校验，替换成你实际要删除的父节点标签名，避免误删
    if target_parent and target_parent.name == "你预期要删除的父节点标签名":
        target_parent.decompose()

# 输出时指定编码，保留格式
with open(r'C:\Ashok\sample.xml', 'w', encoding='utf-8') as f:
    f.write(soup.prettify(encoding='utf-8').decode('utf-8'))

2. 高保真XML处理方案（推荐） #

如果对原始格式保留要求极高，建议改用lxml.etree处理XML，该库专门针对XML场景设计，不会随意改动未操作的节点内容和格式，示例代码如下：

from lxml import etree

# 解析XML时保留注释和原有格式
parser = etree.XMLParser(remove_blank_text=False, remove_comments=False)
tree = etree.parse(r'C:\Ashok\sample.xml', parser)
root = tree.getroot()

# 查找目标节点，这里按你的逻辑查找Version内容为29.2.3的节点
target_version = root.xpath("//Version[text()='29.2.3']")[0]
target_parent = target_version.getparent()
# 删除节点
target_parent.remove(target_version)

# 输出时保留原有缩进和编码
tree.write(r'C:\Ashok\sample.xml', encoding='utf-8', pretty_print=True, xml_declaration=True)

内容的提问来源于stack exchange，提问作者Ashok Anumula