如何检查XML属性值的升序排列并查找重复项？

我来分享两种实用的方法，帮你检查XML文档中属性值的升序情况，同时找出重复的属性值，结合你提供的示例XML（我补全了部分内容方便测试）来演示：

首先贴出完整的测试XML：

<?xml version="1.0"?>
<catalog>
  <book id="bk101">
    <author>Gambardella, Matthew</author>
    <title>XML Developer's Guide</title>
    <genre>Computer</genre>
    <price>44.95</price>
    <publish_date>2000-10-01</publish_date>
    <description>An in-depth look at creating applications with XML.</description>
  </book>
  <book id="bk102">
    <author>Ralls, Kim</author>
    <title>Midnight Rain</title>
    <genre>Fantasy</genre>
    <price>5.95</price>
    <publish_date>2000-12-16</publish_date>
    <description>A former architect battles corporate zombies, an evil sorceress, and her own childhood to become queen of the world.</description>
  </book>
  <!-- 加入一个乱序的测试项 -->
  <book id="bk100">
    <author>Corets, Eva</author>
    <title>Maeve Ascendant</title>
    <genre>Fantasy</genre>
    <price>5.95</price>
    <publish_date>2000-11-17</publish_date>
    <description>After the collapse of a nanotechnology society in England, the young survivors lay the foundation for a new society.</description>
  </book>
  <!-- 加入一个重复id的测试项 -->
  <book id="bk102">
    <author>Corets, Eva</author>
    <title>Oberon's Legacy</title>
    <genre>Fantasy</genre>
    <price>5.95</price>
    <publish_date>2001-03-10</publish_date>
    <description>In post-apocalypse England, the mysterious agent known only as Oberon helps to create a new life for the inhabitants of London. Sequel to Maeve Ascendant.</description>
  </book>
</catalog>

方法1：使用XPath 2.0（适合专业XML工具） #

如果你用的是支持XPath 2.0的工具（比如Saxon、BaseX或者一些XML编辑器），可以直接用XPath表达式快速完成检查：

检查属性是否升序 #

要找出所有破坏升序的元素，用这个表达式：

//catalog/book[position() > 1 and @id < preceding-sibling::book[1]/@id]

它会选中当前元素的id比前一个兄弟元素id小的所有book。比如在测试XML里，第三个book（id="bk100"）会被揪出来，因为它比前一个的bk102小。如果表达式返回空，说明所有id都是严格升序的。

查找重复属性值 #

要找出重复的id，用这个表达式：

//catalog/book[@id = following-sibling::book/@id or @id = preceding-sibling::book/@id]

它会选中所有和其他book的id重复的元素。如果有多个重复项，所有重复的都会被选中。

如果想更高效（利用XPath 2.0的分组特性），可以用这个：

//catalog/book[@id = (//catalog/book/@id)[count(.//*[. = current()]) > 1]]

它会先统计每个id的出现次数，再筛选出出现次数>1的id对应的元素。

方法2：使用Python + lxml（适合自定义自动化处理） #

如果需要写脚本批量处理或者自定义输出，用Python的lxml库是个不错的选择：

第一步：安装依赖 #

先确保装了lxml：

pip install lxml

第二步：编写脚本 #

from lxml import etree

# 替换成你的XML文件路径或者直接传入XML字符串
xml_content = """[这里放你自己的XML内容]"""
root = etree.fromstring(xml_content)

# 提取所有book的id
book_ids = [book.get('id') for book in root.xpath('//book')]

# 检查升序
is_ascending = all(book_ids[i] <= book_ids[i+1] for i in range(len(book_ids)-1))
if is_ascending:
    print("✅ 所有book的id都是升序排列的")
else:
    # 定位第一个乱序的位置
    for i in range(len(book_ids)-1):
        if book_ids[i] > book_ids[i+1]:
            print(f"❌ 发现乱序：第{i+2}个book的id「{book_ids[i+1]}」小于前一个id「{book_ids[i]}」")
            break

# 查找重复id
id_counter = {}
for book_id in book_ids:
    id_counter[book_id] = id_counter.get(book_id, 0) + 1

duplicates = [id_val for id_val, count in id_counter.items() if count > 1]
if duplicates:
    print(f"⚠️ 发现重复id：{', '.join(duplicates)}")
    # 打印重复元素的详情
    for dup_id in duplicates:
        matching_books = root.xpath(f'//book[@id="{dup_id}"]')
        print(f"id「{dup_id}」共出现{len(matching_books)}次，对应的书籍标题：")
        for idx, book in enumerate(matching_books, 1):
            print(f"  {idx}. {book.find('title').text}")
else:
    print("✅ 没有发现重复的id")

运行脚本后的输出 #

❌ 发现乱序：第3个book的id「bk100」小于前一个id「bk102」
⚠️ 发现重复id：bk102
id「bk102」共出现2次，对应的书籍标题：
  1. Midnight Rain
  2. Oberon's Legacy

小提示 #

• 如果你的属性是纯数字（比如id="101"而不是bk101），记得把属性值转换成整数再比较，避免字符串排序的坑（比如"10"会比"2"大）。
• 大型XML文档用XPath方法更高效，小型文档或者需要复杂处理的场景用Python脚本更灵活。

内容的提问来源于stack exchange，提问作者Tamal Banerjee