Beautiful Soup XML解析器无法读取多根标签问题求助

这个问题其实是XML语法规范和解析器容错逻辑共同导致的，我来给你拆解清楚：

核心根源：XML必须有单一根节点 #

XML的语法规则明确要求整个文档只能存在一个顶级（根）元素，你这种直接放置多个平行<d>标签的扁平结构属于无效XML。举个例子：

<!-- 不符合XML规范的无效结构 -->
<d id="0001">内容1</d>
<d id="0002">内容2</d>

这种多根的结构本身就不满足XML的基本要求，解析器处理时会启动容错修复，但修复逻辑会导致后续标签无法被正常纳入DOM树。

Beautiful Soup + xml解析器的处理逻辑 #

Beautiful Soup的xml解析模式底层依赖的是lxml库的XML解析器。当遇到这种无效的多根XML时，lxml会采取这样的容错策略：

• 把第一个<d>标签当作整个文档的根节点
• 后续的<d>标签会被视为根节点之后的“游离内容”，不会被作为DOM树的同级节点纳入解析结果
  这就是为什么你调用soup.find_all("d")只能拿到第一个标签，prettify()也只输出第一个的原因——后面的标签根本没被解析到可遍历的节点列表里。

加外层包裹后正常的原因 #

当你给所有<d>标签加上一个外层包裹（比如<root>），结构就变成了合法的XML：

<!-- 符合规范的有效XML -->
<root>
  <d id="0001">内容1</d>
  <d id="0002">内容2</d>
</root>

此时解析器能正常识别根节点下的所有<d>子节点，自然就能通过find_all获取到全部标签了。

临时解决思路 #

如果没办法提前给文件加外层包裹，你可以在解析前手动拼接包裹标签，比如：

from bs4 import BeautifulSoup

# 读取原始内容
with open("你的文件.xml", "r") as f:
    raw_content = f.read()

# 手动添加根节点包裹
fixed_content = f"<root>{raw_content}</root>"
soup = BeautifulSoup(fixed_content, "xml")

# 现在就能拿到所有d标签了
all_d_tags = soup.find_all("d")

内容的提问来源于stack exchange，提问作者Hai