如何用Python遍历XML文件按出现顺序提取多标签对应文本

现有问题根因 #

你遇到的报错和结果错位问题，对应三个根因：

1. 嵌套迭代时外层变量未做快照存储，循环结束后变量保留最后一次赋值，导致所有记录的CompanyName都被覆盖为最后一个值
2. 硬编码标签查找路径，XML层级变动后路径不匹配，自然只能拿到第一条或者找不到标签
3. 未处理XML命名空间，带默认命名空间的标签实际tag会携带{命名空间地址}前缀，直接用原标签名find就会返回None，调用text属性直接报错

最优实现方案 #

直接全局遍历XML所有标签，不绑定层级，完全按文档实际出现顺序匹配目标标签，同时兼容命名空间和空标签场景，代码如下：

import xml.etree.ElementTree as ET

def extract_target_tags(xml_path, target_tags):
    # 加载XML文档
    tree = ET.parse(xml_path)
    root = tree.getroot()

    # 自动提取并适配XML命名空间，解决带前缀标签匹配不到的问题
    ns_map = {}
    for event, elem in ET.iterparse(xml_path, events=("start-ns",)):
        prefix, ns_uri = elem
        ns_map[prefix] = ns_uri
    
    # 格式化目标标签，适配命名空间
    def _format_tag(raw_tag):
        if "" in ns_map:
            # 存在默认命名空间的情况，给标签加上命名空间前缀
            return f"{{{ns_map['']}}}{raw_tag}"
        return raw_tag
    formatted_tags = [_format_tag(t) for t in target_tags]

    result = []
    # 全局遍历所有标签，完全遵循文档内出现顺序
    for elem in root.iter():
        if elem.tag in formatted_tags:
            # 空标签兼容，text不存在时返回空字符串，避免属性报错
            tag_name = elem.tag.split("}")[-1] if "}" in elem.tag else elem.tag
            tag_text = elem.text.strip() if elem.text and elem.text.strip() else ""
            result.append((tag_name, tag_text))
    return result

# 调用示例
if __name__ == "__main__":
    # 替换为你的XML文件路径
    YOUR_XML_PATH = "demo.xml"
    # 填入需要提取的标签列表
    TARGET_TAGS = ["CompanyName", "FirstName", "LastName", "Content"]
    extract_result = extract_target_tags(YOUR_XML_PATH, TARGET_TAGS)
    # 打印结果
    for tag, text in extract_result:
        print(f"{tag}: {text}")

扩展适配说明 #

如果需要按业务节点分组（比如每一组CompanyName/FirstName/LastName/Content对应一条业务记录），仅需要在遍历逻辑中增加节点判断即可：检测到业务父节点标签时初始化临时缓存，父节点遍历完成后将缓存加入结果列表，即可实现分组对应，不会出现错位。

内容的提问来源于stack exchange，提问作者VBAKeith