如何使用Python提取XML中所有节点文本及节点间符号等全部元素

数据老陈

2026-10-1

问题原因分析

你原有代码丢失元素的核心原因有两个：

仅处理了没有子元素的叶子节点的text属性，忽略了有子元素的父节点本身携带的文本（比如<init>标签的文本是=，因为它包含<expr>子元素，原有逻辑直接跳过了该层的文本提取）
完全没有处理XML元素的tail属性：XML语法中，元素结束标签后紧跟的非子元素文本会存在tail属性中，比如<decl></decl>:里的冒号、<parameter></parameter>}里的右花括号都属于tail内容，原有逻辑完全没提取这部分内容

修正后代码

import xml.etree.ElementTree as ET

# 注册命名空间避免标签自动携带前缀，不影响文本提取可按需保留
ET.register_namespace('', 'http://www.example.org/domain/src')

xml = ET.parse('1.xml')
root = xml.getroot()

def split_text(text):
    """将文本按空白切割，过滤空字符串，返回拆分后的独立元素列表"""
    if not text:
        return []
    return [item.strip() for item in text.split() if item.strip()]

def getDataRecursive(element):
    data = list()
    # 提取当前元素的文本内容
    data.extend(split_text(element.text))
    # 递归处理所有子元素
    for child in element:
        data.extend(getDataRecursive(child))
    # 提取当前元素结束标签后的尾部文本
    data.extend(split_text(element.tail))
    return data

# 打印结果
for x in getDataRecursive(root):
    print(x)

代码修改说明