ElementTree解析XML：按规则拼接property文本并去重重复父节点

嘿，你的现有思路得调整一下哦——当前代码把所有property的文本混进一个大列表后去重，完全破坏了每个parent的分组结构，既没法区分不同父节点的文本集合，也实现不了你要的“每个properties层级最后一个文本用&替代!”的需求。咱们得换个思路，先按父节点分组处理，再完成去重和拼接：

第一步：按父节点提取文本列表 #

首先得遍历每个parent节点，把每个父节点下的property文本单独存成一个列表，这样才能保证每个父节点的独立结构：

import xml.etree.ElementTree as ET

# 假设你已经解析好XML拿到了root节点
# tree = ET.parse('your_file.xml')
# root = tree.getroot()

parent_text_groups = []
# 匹配所有以parent-开头的节点
for parent in root.findall('.//*[starts-with(local-name(), "parent-")]'):
    # 提取当前父节点下所有property的文本
    prop_texts = [prop.text for prop in parent.find('./properties').findall('property')]
    parent_text_groups.append(prop_texts)

第二步：剔除重复的父节点文本列表 #

要保留第一次出现的列表，后续完全重复的直接丢弃。这里用集合来记录已经见过的列表（注意列表不能直接存集合，得转成不可变的元组）：

unique_groups = []
seen_groups = set()
for group in parent_text_groups:
    group_tuple = tuple(group)
    if group_tuple not in seen_groups:
        seen_groups.add(group_tuple)
        unique_groups.append(group)

第三步：完成拼接逻辑 #

现在对每个唯一的文本列表，先内部用!连接，然后把所有这些连接后的结果用&串起来——这正好符合你要的“每个properties层级最后一个文本用&替代!”的效果（每个父节点内部用!连，不同父节点之间用&分隔，等价于每个父节点的最后一个元素后用&衔接下一个父节点的内容）：

final_result = '&'.join(['!'.join(group) for group in unique_groups])

完整可运行示例 #

把上面的步骤整合起来，用你的示例XML测试：

import xml.etree.ElementTree as ET

# 你的示例XML内容
sample_xml = '''<root> <parent-1> <text>blah-1</text> <properties> <property type="R" id="0005">text-value-A</property> <property type="W" id="0003">text-value-B</property> <property type="H" id="0002">text-value-C</property> <property type="W" id="0008">text-value-D</property> </properties> </parent-1> <parent-2> <text>blah-2</text> <properties> <property type="W" id="0004">text-value-A</property> <property type="H" id="0087">text-value-B</property> </properties> </parent-2> <parent-3> <text>blah-3</text> <properties> <property type="H" id="0087">text-value-C</property> <property type="R" id="0008">text-value-A</property> </properties> </parent-3> <parent-4> <text>blah-4</text> <properties> <property type="H" id="0019">text-value-C</property> <property type="R" id="0060">text-value-A</property> </properties> </parent-4> </root>'''

# 解析XML
root = ET.fromstring(sample_xml)

# 提取父节点文本分组
parent_text_groups = []
for parent in root.findall('.//*[starts-with(local-name(), "parent-")]'):
    prop_texts = [prop.text for prop in parent.find('./properties').findall('property')]
    parent_text_groups.append(prop_texts)

# 去重
unique_groups = []
seen_groups = set()
for group in parent_text_groups:
    group_tuple = tuple(group)
    if group_tuple not in seen_groups:
        seen_groups.add(group_tuple)
        unique_groups.append(group)

# 拼接结果
final_result = '&'.join(['!'.join(group) for group in unique_groups])

print(final_result)
# 输出正好是你要的：text-value-A!text-value-B!text-value-C!text-value-D&text-value-A!text-value-B&text-value-C!text-value-A

为啥你的原思路不行？ #

你的代码把所有property的文本混进一个列表后去重，不仅丢失了每个父节点的分组信息，还会错误地去掉单个重复的文本（比如如果两个父节点都有text-value-A，原代码会只保留一个），这完全不符合你“剔除整个文本列表重复的父节点”的需求。必须先按父节点分组，再处理去重和拼接，才能达到预期效果。

内容的提问来源于stack exchange，提问作者bt123