使用BS4（lxml）解析XML数据：提取cell_value1无输出问题求助

你的代码逻辑本身没问题，但没输出的核心原因是XML命名空间导致找不到<Cell>元素，再加上解析器选择不够适配XML场景。我来一步步帮你修复：

问题分析 #

USDA的这个XML文档带有默认命名空间（根元素会包含类似xmlns="http://www.w3.org/2003/10/Serialization"的属性）。在XML规则里，所有带命名空间的元素，实际标签名是{命名空间URL}Cell，而不是单纯的Cell——这就导致你的soup.find_all("Cell")返回空列表，循环根本没执行，自然没有输出。

另外，处理XML时用专门的xml解析器（或lxml-xml）比通用的lxml解析器更可靠，能更好地识别XML结构。

修复后的代码 #

方案1：明确指定命名空间查找 #

from bs4 import BeautifulSoup
import requests

r = requests.get('https://www.usda.gov/oce/commodity/wasde/latest.xml')
data = r.text
# 使用xml解析器处理XML文档
soup = BeautifulSoup(data, "xml")

# 从根元素获取默认命名空间
root_namespace = soup.find().attrs.get('xmlns')
# 查找带命名空间的Cell元素
for cell in soup.find_all(f"{{{root_namespace}}}Cell"):
    # 确保元素存在cell_value1属性再打印，避免潜在报错
    if 'cell_value1' in cell.attrs:
        print(cell['cell_value1'])

方案2：忽略命名空间，匹配标签名后缀 #

如果不想手动处理命名空间，可以用lambda表达式匹配所有以Cell结尾的标签名（不管前缀）：

from bs4 import BeautifulSoup
import requests

r = requests.get('https://www.usda.gov/oce/commodity/wasde/latest.xml')
data = r.text
soup = BeautifulSoup(data, "xml")

# 匹配所有标签名以Cell结尾的元素
for cell in soup.find_all(lambda tag: tag.name.endswith('Cell')):
    if 'cell_value1' in cell.attrs:
        print(cell['cell_value1'])

快速验证步骤 #

你可以先添加一行代码确认是否找到目标元素：

print(len(soup.find_all(f"{{{root_namespace}}}Cell")))

如果输出大于0，说明元素已被正确定位，后续打印属性就没问题了。

内容的提问来源于stack exchange，提问作者gabe