如何从xml文件中批量提取特定标签的值 Python脚本实战

答案：使用Python的xml.etree.ElementTree模块可批量提取XML文件中指定标签的内容。首先通过ET.parse解析单个XML文件，利用findall查找所有book节点，再用find获取title和author等子标签的text值，并做空值处理；接着结合glob模块遍历目录下所有.xml文件，实现批量读取与提取，同时记录来源文件名；最后将结果汇总为列表，通过csv.DictWriter写入CSV文件，支持中文编码保存。整个流程包含异常捕获，确保解析稳定性，且结构清晰，易于扩展以提取更多字段或属性。

从XML文件中批量提取特定标签的值是数据处理中常见的需求，比如解析日志、配置文件或网页抓取结果。Python 提供了 xml.etree.ElementTree 模块，可以高效地遍历和提取 XML 数据。下面通过一个实战示例，展示如何编写脚本批量提取指定标签内容。

准备示例 XML 文件

假设我们有多个 XML 文件，结构如下（保存为 data1.xml、data2.xml 等）：

  
    
    张三
    45.5
  
  
    
    李四
    67.0
  

我们的目标是：批量读取所有 XML 文件，提取每个 title 和 author 标签的文本内容，并输出到控制台或保存为 CSV。

使用 ElementTree 解析单个文件

先看如何提取单个文件中的标签值：

立即学习“Python免费学习笔记（深入）”；

import xml.etree.ElementTree as ET
def extract_from_file(filepath):
tree = ET.parse(filepath)
root = tree.getroot()
results = []
for book in root.findall('book'):
    title = book.find('title').text if book.find('title') is not None else ''
    author = book.find('author').text if book.find('author') is not None else ''
    results.append({'title': title, 'author': author})

return results

这里使用 findall('book') 查找所有 book 节点，再用 find('title') 获取子标签，.text 获取其文本值。加了空值判断避免报错。
批量处理多个 XML 文件
利用 os 或 glob 模块遍历目录下的所有 XML 文件：

							

								
								

									Ideogram
									
Ideogram是一个全新的文本转图像AI绘画生成平台，擅长于生成带有文本的图像，如LOGO上的字母、数字等。
								
								下载 
							
						
import glob
import os
def batch_extract(directory, tag_names=['title', 'author']):
all_data = []
xml_files = glob.glob(os.path.join(directory, "*.xml"))
for file in xml_files:
    try:
        tree = ET.parse(file)
        root = tree.getroot()
        # 假设每条记录在 book 标签下
        for elem in root.findall('book'):
            item = {}
            for tag in tag_names:
                child = elem.find(tag)
                item[tag] = child.text if child is not None else ''
            item['source_file'] = os.path.basename(file)
            all_data.append(item)
    except Exception as e:
        print(f"解析失败: {file}, 错误: {e}")

return all_data

脚本会收集所有文件中的目标标签值，并记录来源文件名，便于追溯。
导出结果到 CSV 文件
将提取的数据保存为 CSV，方便后续分析：
import csv
def save_to_csv(data, output='output.csv'):
if not data:
print("无数据可保存")
return
keys = data[0].keys()
with open(output, 'w', encoding='utf-8', newline='') as f:
    writer = csv.DictWriter(f, fieldnames=keys)
    writer.writeheader()
    writer.writerows(data)
print(f"数据已保存至 {output}")

调用方式：
data = batch_extract('./xml_files', ['title', 'author'])
save_to_csv(data, 'books.csv')
基本上就这些。这个脚本结构清晰，易于扩展。你可以修改标签名、路径或增加属性提取（如 book 的 id），适应不同 XML 结构。关键是理解 ElementTree 的 find、findall 和 .text 的用法。实际使用时注意异常处理和编码问题，尤其是中文内容。