Python爬虫怎么解析XML数据_使用ElementTree进行结构化查询
解析XML时，本地文件用ElementTree.parse()，网络字符串用fromstring()。命名空间需显式声明或使用“.//tag”模糊匹配。文本为空时用strip()判断，含子标签用itertext()拼接。findall()查直接子节点，iter()深度遍历，需按需选用。
本地文件用ElementTree.parse()，网络XML字符串用fromstring()；命名空间需显式声明或用".//tag"模糊匹配；text为空时应strip()判断，含子标签用itertext()拼接。
ElementTree.parse() 和 ElementTree.fromstring() 用哪个？
数据来源决定了一切。本地磁盘上的文件，直接调用 parse() 就行，它只认文件路径或类文件对象。但如果你是从网络请求拿到的 XML 字符串——比如 response.text——就得用 fromstring()。搞混了？那等着 ParseError: not well-formed (invalid token) 吧，因为 parse() 根本不接受纯字符串。
parse("data.xml")：直接读磁盘，返回ElementTree实例fromstring(response.text)：处理网络响应体，返回根Element- 如果手滑用了
requests.get().content（bytes 类型），先 decode 成 str 再传给fromstring()，否则TypeError: expected str, bytes or os.PathLike object会立刻教你做人
查不到节点？小心命名空间（namespace）
很多 XML 都带着命名空间，尤其 RSS、SOAP、Atom 这些老面孔。比如 root.find("item") 肯定返回 None——因为默认 namespace 是空字符串，而实际节点藏在另一个 namespace 下。这不是 bug，是标准行为，但确实容易让人抓狂。
- 先提取 namespace：用
root.tag.split("}", 1)[0][1:]或者正则r'xmlns="(.*?)"'粗略抓一下（不严谨，但多数场景够用） - 查节点时必须带上前缀：
ns = {"rss": "http://purl.org/rss/1.0/"}; root.find("rss:item", ns) - 想省事？暴力法：
root.find(".//item")直接跳过命名空间——但注意，这是 XPath 的模糊匹配，性能略低，而且可能抓到深层嵌套的同名节点，小心误伤
text 属性为空？可能是换行或空白字符
XML 里换行和缩进会被解析成文本节点，所以 elem.text 经常是 "\n " 而不是你期望的内容。这真不是 bug，是标准行为——但坑得人不少。
- 别直接写
if elem.text:，改成if elem.text and elem.text.strip()才靠谱 - 想安全取值？写个辅助函数：
safe_text(elem): return elem.text.strip() if elem is not None and elem.text else "" - 如果节点内容里还嵌着子标签（比如
Hello world text只覆盖第一个文本片段，后面的得用elem.itertext()拼接起来
用 findall() 还是 iter()？性能和语义差别明显
findall() 只查直接子节点，iter() 则深度遍历整棵树——用错场景很容易出事，尤其当结构不确定的时候。
- 明确层级关系：比如所有
item都在channel下，那就用root.find("channel").findall("item")，清晰又高效 - 不确定嵌套深度：比如要抓任意位置的
link，用list(root.iter("link"))，但注意它比findall()慢 2–3 倍——小 XML 无所谓，但到了万级节点就得留个心眼 - 避免
root.findall(".//item")：写法虽然短，但底层也是递归扫描，性能跟iter()差不多，可读性反而更差，没必要
解析 XML 最容易卡住的从来不是语法，而是命名空间和空白文本这些隐式行为。一旦遇到 None 或空字符串，先盯住这两点，比重写整个解析逻辑快得多。
Photoshop 2026 是 Adobe 推出的专业图像处理与视觉设计软件，支持 Windows、macOS 和 iPad 等平台，广泛应用于摄影修图、电商设计、平面海报、数字绘画及视觉合成等创作场景。
Blender 是一款免费开源、跨平台的专业 3D 创作软件，集建模、动画、渲染、视频编辑与视觉合成等功能于一体，广泛应用于影视动画、游戏设计和建筑可视化等领域。软件支持 Cycles 物理渲染器与 Eevee 实时渲染引擎，并提供多边形建模、骨骼绑定、物理模拟等专业工具。Blender 兼容 Windows、macOS 和 Linux 系统，安装包轻巧、运行流畅，依托活跃的全球开发者社区持续更新，是从初学者到专业创作者都值得选择的正版 3D 创作工具。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
Photoshop 2026 是 Adobe 推出的专业图像处理与视觉设计软件，支持 Windows、macOS 和 iPad 等平台，广泛应用于摄影修图、电商设计、平面海报、数字绘画及视觉合成等创作场景。
Blender 是一款免费开源、跨平台的专业 3D 创作软件，集建模、动画、渲染、视频编辑与视觉合成等功能于一体，广泛应用于影视动画、游戏设计和建筑可视化等领域。软件支持 Cycles 物理渲染器与 Eevee 实时渲染引擎，并提供多边形建模、骨骼绑定、物理模拟等专业工具。Blender 兼容 Windows、macOS 和 Linux 系统，安装包轻巧、运行流畅，依托活跃的全球开发者社区持续更新，是从初学者到专业创作者都值得选择的正版 3D 创作工具。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。