Python基于lxml解析XML时无法获取ConsOpinion元素desc属性的问题

核心问题溯源 #

• 你代码中新建空Element再赋值给循环变量的逻辑完全冗余，新建的空元素在循环里马上就被覆盖，对解析流程没有任何实际作用，可以全部删除。
• 遍历后出现ConsOpinion属性缺失的情况，基本是两个高频踩坑导致的：
  1. 遍历路径错位：iter()方法会从当前节点开始，遍历所有深度下的同名标签元素，如果XML结构中存在嵌套的同标签ConsOpinion节点，会错取到下层属性不同的元素，而非你目标的顶层带全属性的ConsOpinion节点
  2. 隐式命名空间影响：如果实际加载的XML文档带默认命名空间，未显式加前缀的属性会被lxml自动给键名拼上命名空间URL，导致直接用desc、code这类短键名去attrib字典取值时找不到对应内容

可直接运行的修改代码 #

替换原有多层嵌套的循环逻辑，改用精准路径定位的方式提取，从根源上避免全局遍历的错位问题：

opin_type = []
opin_count = []

# 用xpath精准匹配完整层级路径，直接定位到目标ConsOpinion节点
for cons_node in d.xpath('//Recommendations/STOpinion/ConsOpinion'):
    # 用get方法取属性，避免属性缺失触发KeyError
    desc_val = cons_node.attrib.get('desc', '')
    opin_type.append(desc_val)
    # 定位对应子节点的文本值
    value_node = cons_node.find('./ConsOpValue/ConsValue')
    if value_node is not None:
        opin_count.append(value_node.text.strip())

快速定位问题的调试方法 #

遍历到疑似异常的ConsOpinion元素时，执行print(et.tostring(cons_node, encoding='unicode'))，直接输出该元素被解析后的完整结构，即可快速判断问题来源：

• 如果输出的元素本身就只有set="STD"属性，说明实际解析的XML结构和你贴的测试片段不一致，存在带不同属性的同名标签，被iter()错取到了
• 如果输出的元素本身完整带code、set、desc三个属性，但attrib字典取不到对应值，说明是命名空间导致的键名异常，直接用xpath取属性即可绕开，不需要手动拼接命名空间前缀，写法为cons_node.xpath('./@desc')[0]

实操提示：尽量不要用多层嵌套的iter()做层级遍历，iter()的全深度同名匹配特性很容易因为XML结构微调出现取错节点的问题，改用相对路径find()或全路径xpath定位，能大幅减少这类提取异常。

内容的提问来源于stack exchange，提问作者Ksh