如何用Python BeautifulSoup分离XML中同名外层与嵌套标签？

首先得先修正你给出的XML语法错误——原XML里最外层的<tag>用了</first>闭合，这会导致解析失败，修正后的合法XML应该是这样：

<test name='something'>
  <tag max='10' min='20'>
    <tag max='5' min='20'/>
    <tag max='5' min='20'/>
  </tag>
</test>

接下来我用两种常用的Python工具库，演示如何精准提取第一个外层<tag>的信息，再提取它内部的嵌套<tag>：

方法一：用lxml库（高效支持XPath） #

lxml是处理XML的老牌高效库，XPath查询能帮你精准定位元素范围。

步骤1：先安装库（如果没装的话） #

pip install lxml

步骤2：提取代码示例 #

from lxml import etree

# 修正后的XML内容
xml_content = """
<test name='something'>
  <tag max='10' min='20'>
    <tag max='5' min='20'/>
    <tag max='5' min='20'/>
  </tag>
</test>
"""

# 解析XML
root = etree.fromstring(xml_content)

# 定位第一个外层<tag>
outer_tag = root.find(".//tag[1]")

# 获取外层<tag>的属性
outer_attrs = outer_tag.attrib
print("外层<tag>属性：", outer_attrs)  # 输出: {'max': '10', 'min': '20'}

# 只提取外层<tag>的直接子<tag>（关键：用./限定范围为直接子元素）
inner_tags = outer_tag.findall("./tag")

# 遍历输出内部标签属性
for idx, tag in enumerate(inner_tags, 1):
    print(f"第{idx}个内部<tag>属性：", tag.attrib)

方法二：用BeautifulSoup库（语法更直观） #

如果你更习惯简洁的API，BeautifulSoup也是很好的选择：

步骤1：安装依赖 #

pip install beautifulsoup4 lxml

步骤2：提取代码示例 #

from bs4 import BeautifulSoup

# 修正后的XML内容
xml_content = """
<test name='something'>
  <tag max='10' min='20'>
    <tag max='5' min='20'/>
    <tag max='5' min='20'/>
  </tag>
</test>
"""

# 解析XML
soup = BeautifulSoup(xml_content, "lxml-xml")

# 找到第一个外层<tag>
outer_tag = soup.find("tag")

# 获取外层标签属性
outer_attrs = outer_tag.attrs
print("外层<tag>属性：", outer_attrs)

# 关键：用recursive=False限定只找直接子标签，避免递归获取所有后代
inner_tags = outer_tag.find_all("tag", recursive=False)

# 遍历输出内部标签
for idx, tag in enumerate(inner_tags, 1):
    print(f"第{idx}个内部<tag>属性：", tag.attrs)

核心思路其实很简单：不管用哪种工具，只要限定查找范围为「当前元素的直接子元素」，而不是默认的所有后代元素，就能避免拿到无关内容，精准提取你需要的外层和内层标签信息。

内容的提问来源于stack exchange，提问作者Daniel