如何遍历XML文件列表并提取指定元素？

看起来你已经搭好了核心框架，不过代码里还有几个需要调整的细节，我帮你一步步修正并完善这个功能：

1. 修复文件路径问题 #

你当前用ET.parse(file)的时候，file只是单纯的文件名，没有包含目标文件夹的完整路径，程序会默认在当前工作目录找文件，大概率会抛出文件不存在的错误。需要用path.join()拼接完整路径：

tree = ET.parse(path.join(mypath, file))

2. 正确处理XML命名空间 #

代码里的{namespaces}是占位符，你需要替换成实际的命名空间键值对。比如你的XML里有xmlns:doc="http://example.com/document"这样的声明，那命名空间字典应该这么定义：

ns = {'doc': 'http://example.com/document'}

如果你的XML没有使用命名空间，这个字典可以留空，调用find()时也可以直接省略第二个参数。

3. 调整函数定义的位置 #

把myfunction()定义在for循环里面完全没必要——每次循环都会重新定义一次函数，既冗余又影响性能。你可以把函数移到循环外面，或者直接把逻辑写在循环体内（更简洁直观）。

4. 完善元素提取与结果处理 #

提取var1和var2后，要考虑它们可能为None的情况（比如目标元素不存在），直接调用.text会报错。另外row = [...的部分需要补全，比如把提取到的内容整理成列表或字典，方便后续保存或使用。

完整修正后的代码示例 #

from os import listdir, path
import xml.etree.ElementTree as ET

mypath = 'C:\\myfolder'
# 替换成你实际的命名空间，无命名空间则改为ns = {}
ns = {'doc': 'http://your-actual-namespace-url'}

def extract_xml_content(root, filename):
    if 'something' in root.tag:
        var1 = root.find('./element1', ns)
        var2 = root.find('./element2', ns)
        # 处理元素不存在的边界情况
        var1_content = var1.text.strip() if var1 is not None else '无数据'
        var2_content = var2.text.strip() if var2 is not None else '无数据'
        return [filename, var1_content, var2_content]
    return None

# 遍历目标文件夹下所有XML文件
files = [f for f in listdir(mypath) if f.endswith('.xml')]
extracted_results = []
for file in files:
    full_file_path = path.join(mypath, file)
    try:
        tree = ET.parse(full_file_path)
        root = tree.getroot()
        filename = path.splitext(file)[0]
        data_row = extract_xml_content(root, filename)
        if data_row:
            extracted_results.append(data_row)
    except Exception as e:
        print(f"处理文件 {file} 时出错: {str(e)}")

# 可选：把结果保存到CSV文件
# import csv
# with open('xml_extracted_data.csv', 'w', newline='', encoding='utf-8') as f:
#     writer = csv.writer(f)
#     writer.writerow(['文件名', '元素1内容', '元素2内容'])
#     writer.writerows(extracted_results)

额外实用提示 #

• 如果需要递归遍历子文件夹里的XML文件，可以用os.walk()代替listdir()
• 要是需要提取多个同类型子元素，改用findall()方法批量处理会更高效
• 处理命名空间时，也可以用root.tag.split('}')[0].strip('{')自动提取前缀，避免手动写死命名空间URL

内容的提问来源于stack exchange，提问作者chrlo