Python新手求助：使用minidom解析含CDATA的XML

嘿，作为Python新手碰到这种嵌套在CDATA里的XML解析问题确实容易懵，我来帮你一步步搞定～

首先要明确：你拿到的XML里，目标数据被包裹在CDATA块里，而minidom默认不会解析CDATA内部的XML内容，所以我们需要分两步走：先提取CDATA中的XML字符串，再单独解析这段字符串。

步骤1：提取CDATA中的目标XML内容 #

假设你拿到的原始XML字符串是类似这样的（包含包裹目标XML的CDATA块）：

raw_xml = '''<RootNode><![CDATA[<?xml version="1.0" encoding="UTF-8"?><UDSObjectList> <UDSObject> <Handle>cr:908715</Handle> <Attributes> <Attribute DataType="2002"> <AttrName>ref_num</AttrName> <AttrValue>497131</AttrValue> </Attribute> <Attribute DataType="2002"> <AttrName>support_level</AttrName> <AttrValue>Premium</AttrValue> </Attribute></Attributes></UDSObject></UDSObjectList>]]></RootNode>'''

我们先用minidom解析原始XML，定位并提取CDATA块里的内容：

from xml.dom import minidom

# 解析包含CDATA的原始XML
dom = minidom.parseString(raw_xml)

# 遍历节点找到CDATA块（CDATA在minidom里是CDATA_SECTION_NODE类型）
cdata_content = None
for node in dom.documentElement.childNodes:
    if node.nodeType == minidom.Node.CDATA_SECTION_NODE:
        cdata_content = node.data.strip()
        break

# 现在cdata_content就是CDATA里的完整XML字符串

步骤2：解析提取到的目标XML #

拿到CDATA里的XML字符串后，就可以像解析普通XML一样处理它了：

# 解析目标XML
target_dom = minidom.parseString(cdata_content)

# 获取所有UDSObject节点
uds_objects = target_dom.getElementsByTagName('UDSObject')

# 遍历每个UDSObject提取数据
for obj in uds_objects:
    # 提取Handle值
    handle_tag = obj.getElementsByTagName('Handle')[0]
    handle = handle_tag.firstChild.nodeValue
    print(f"Handle: {handle}")
    
    # 提取所有Attribute的名称和值
    attributes = obj.getElementsByTagName('Attribute')
    for attr in attributes:
        attr_name = attr.getElementsByTagName('AttrName')[0].firstChild.nodeValue
        attr_value = attr.getElementsByTagName('AttrValue')[0].firstChild.nodeValue
        print(f"  * {attr_name}: {attr_value}")

关键注意点 #

• 如果你的原始XML结构和示例不同（比如CDATA在特定标签下），需要调整查找CDATA节点的逻辑，比如先定位到包含CDATA的父标签，再在其子节点中找CDATA_SECTION_NODE。
• 处理节点值时，要确保节点确实有firstChild（避免空节点报错），如果XML可能存在空值，可以加个判断：handle_tag.firstChild.nodeValue if handle_tag.firstChild else ""。

内容的提问来源于stack exchange，提问作者Dibu Escobedo