Python使用XPath获取XML任意层级带href属性元素的方法

你编写的XPath语法本身对于无命名空间的XML是完全正确的，你给出的示例XML运行你提供的代码可以得到预期结果。实际处理大文件返回空列表的核心原因大概率是目标XML带有命名空间声明，href属性归属到了特定命名空间下，无命名空间前缀的@href无法匹配到对应属性，这是lxml处理带命名空间XML时的常见问题。

方法1：确认命名空间后精准匹配 #

首先先打印XML根节点的命名空间映射，确认href属性所属的命名空间：

from lxml import etree

with open(file, 'rb') as f:
    xml_tree = etree.parse(f)
    # 输出所有命名空间，确认href归属
    print(xml_tree.getroot().nsmap)

如果输出结果包含类似{'xlink': 'http://www.w3.org/1999/xlink'}的项，说明href属于xlink命名空间，修改XPath传入命名空间参数即可：

with open(file, 'rb') as f:
    xml_tree = etree.parse(f)
    ns = xml_tree.getroot().nsmap
    # 匹配xlink命名空间下的href属性
    href_elements = xml_tree.xpath("//*[@xlink:href]", namespaces=ns)

方法2：通用命名空间无感知匹配 #

如果不想额外处理命名空间，也可以直接匹配属性的本地名，适配所有命名空间场景：

from lxml import etree

with open(file, 'rb') as f:
    xml_tree = etree.parse(f)
    # 忽略命名空间，匹配所有属性名等于href的元素
    href_elements = xml_tree.xpath("//*[@*[local-name() = 'href']]")

额外兼容方案 #

如果XML存在轻微格式错误导致解析失败，可以开启解析器的容错模式：

from lxml import etree

# 开启容错模式，容忍轻微格式异常
parser = etree.XMLParser(recover=True)
with open(file, 'rb') as f:
    xml_tree = etree.parse(f, parser=parser)
    href_elements = xml_tree.xpath("//*[@*[local-name() = 'href']]")

内容的提问来源于stack exchange，提问作者Cameron Gould