影刀RPA XML文件处理：解析与生成

影刀RPA XML文件处理：解析与生成

署名：林焱

什么情况用什么

RPA流程中遇到XML格式的配置文件（如SVG、OFD发票、Sitemap），或者调用WebService接口返回XML格式数据。虽然JSON更流行，但很多老系统和企业级接口仍使用XML。

怎么做

一：解析XML

importxml.etree.ElementTreeasET xml_string='''<?xml version="1.0" encoding="UTF-8"?> <orders> <order id="001"> <customer>张三</customer> <items> <item name="商品A" price="99.9" qty="2"/> <item name="商品B" price="199.0" qty="1"/> </items> <total>398.8</total> </order> <order id="002"> <customer>李四</customer> <items> <item name="商品C" price="50.0" qty="3"/> </items> <total>150.0</total> </order> </orders> '''# 解析XML字符串root=ET.fromstring(xml_string)# 遍历所有orderfororderinroot.findall("order"):order_id=order.get("id")# 属性customer=order.find("customer").text# 子元素文本total=order.find("total").textprint(f"订单号:{order_id}, 客户:{customer}, 总价:{total}")# 遍历items下的itemforiteminorder.findall("items/item"):name=item.get("name")price=item.get("price")qty=item.get("qty")print(f" 商品:{name}, 价格:{price}, 数量:{qty}")

二：读取XML文件

importxml.etree.ElementTreeasET# 从文件读取tree=ET.parse(r"D:\config\settings.xml")root=tree.getroot()# root.tag → 根标签名# root.attrib → 根属性字典print(f"根标签:{root.tag}")# 递归遍历所有元素defprint_element(elem,level=0):indent=" "*level text=elem.text.strip()ifelem.textandelem.text.strip()else""![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/748982c20b3746ecb1927d4783d1a643.png#pic_center)attrs=" ".join(f'{k}="{v}"'fork,vinelem.attrib.items())iftext:print(f"{indent}<{elem.tag}{attrs}>{text}</{elem.tag}>")else:print(f"{indent}<{elem.tag}{attrs}>")forchildinelem:print_element(child,level+1)print_element(root)

三：生成XML

importxml.etree.ElementTreeasET# 创建XML树root=ET.Element("report")root.set("date","2024-06-15")root.set("type","daily")# 添加子元素summary=ET.SubElement(root,"summary")summary.set("currency","CNY")ET.SubElement(summary,"total_orders").text="150"ET.SubElement(summary,"total_amount").text="45678.90"ET.SubElement(summary,"avg_amount").text="304.53"# 添加明细details=ET.SubElement(root,"details")orders=[{"id":"001","customer":"张三","amount":"199.0"},{"id":"002","customer":"李四","amount":"350.5"},]fororderinorders:order_elem=ET.SubElement(details,"order")order_elem.set("id",order["id"])ET.SubElement(order_elem,"customer").text=order["customer"]ET.SubElement(order_elem,"amount").text=order["amount"]# 生成XML字符串xml_str=ET.tostring(root,encoding="unicode")# 美化输出（标准库不支持缩进，Python 3.9+有ET.indent）ET.indent(root,space=" ",level=0)xml_str=ET.tostring(root,encoding="unicode")print(xml_str)# 写入文件tree=ET.ElementTree(root)tree.write(r"D:\报告\daily_report.xml",encoding="utf-8",xml_declaration=True)

四：用XPath查找（lxml）

fromlxmlimportetree# 解析tree=etree.fromstring(xml_string.encode("utf-8"))# XPath查找# 所有订单的客户名customers=tree.xpath("//customer/text()")print(f"所有客户:{customers}")# 总价大于200的订单big_orders=tree.xpath("//order[total > 200]/@id")print(f"大额订单:{big_orders}")# 第一个订单的所有商品名items=tree.xpath("(//order)[1]/items/item/@name")print(f"商品名:{items}")# 带条件的查找：数量大于1的商品bulk_items=tree.xpath("//item[@qty > 1]/@name")print(f"多数量商品:{bulk_items}")

完整流程：Sitemap解析采集

importxml.etree.ElementTreeasETimportrequests# yd_input: sitemap_urlsitemap_url=yd_input.get("sitemap_url","https://example.com/sitemap.xml")# 下载并解析Sitemapresp=requests.get(sitemap_url,timeout=30)root=ET.fromstring(resp.content)# 提取所有URLurls=[]# Sitemap命名空间ns={"ns":"http://www.sitemaps.org/schemas/sitemap/0.9"}forurl_eleminroot.findall("ns:url",ns):loc=url_elem.find("ns:loc",ns)lastmod=url_elem.find("ns:lastmod",ns)iflocisnotNone:url_info={"url":loc.text,"lastmod":lastmod.textiflastmodisnotNoneelse""}urls.append(url_info)print(f"共找到{len(urls)}个URL")# 去重seen=set()unique_urls=[]foruinurls:ifu["url"]notinseen:seen.add(u["url"])unique_urls.append(u)print(f"去重后{len(unique_urls)}个URL")yd_output={"status":"ok","urls":unique_urls,"count":len(unique_urls)}

有什么坑

坑一：XML命名空间导致findall找不到元素

现象：XML有xmlns命名空间声明，findall("order")返回空列表。

原因：带命名空间的XML，元素名需要加上命名空间前缀才能匹配。

解决：

importxml.etree.ElementTreeasET# XML有命名空间：# <orders xmlns="http://example.com/orders"># <order id="001">...</order># </orders># 错误：直接用标签名找不到# orders = root.findall("order") ❌ 返回空# 正确1：用完整命名空间ns={"d":"http://example.com/orders"}orders=root.findall("d:order",ns)# 正确2：用通配符orders=root.findall(".//{http://example.com/orders}order")# 正确3：去掉命名空间后再解析foreleminroot.iter():if"}"inelem.tag:elem.tag=elem.tag.split("}")[1]# 去掉命名空间部分# 现在可以直接用标签名orders=root.findall("order")

坑二：XML中的特殊字符

现象：生成XML时，文本包含<、>、&等字符，导致解析报错。

原因：XML中<、>、&、"、'是特殊字符，必须转义。

解决：用ElementTree自动转义，或手动处理：

importxml.etree.ElementTreeasETfromxml.sax.saxutilsimportescape,unescape# ElementTree自动转义elem=ET.Element("note")elem.text="价格 < 100 & 库存 > 0"xml_str=ET.tostring(elem,encoding="unicode")# 自动转义为: <note>价格 &lt; 100 &amp; 库存 &gt; 0</note># 手动转义text="a < b & c > d"escaped=escape(text)# a &lt; b &amp; c &gt; d# 手动反转义original=unescape(escaped)# a < b & c > d

坑三：解析XML时编码错误

现象：解析包含中文的XML文件报UnicodeDecodeError或ParseError。

原因：文件实际编码与XML声明中的编码不一致，或者文件有BOM头。

解决：

importxml.etree.ElementTreeasET# 方案1：以bytes方式读取，让ET自动检测编码withopen(r"D:\config\中文.xml","rb")asf:content=f.read()root=ET.fromstring(content)# ET根据XML声明自动解码# 方案2：先去掉BOM头withopen(r"D:\config\中文.xml","rb")asf:content=f.read()ifcontent[:3]==b'\xef\xbb\xbf':# UTF-8 BOMcontent=content[3:]root=ET.fromstring(content)# 方案3：用lxml，更健壮fromlxmlimportetree tree=etree.parse(r"D:\config\中文.xml")root=tree.getroot()

坑四：生成的XML没有缩进和换行

现象：用ElementTree生成的XML是一行，没有缩进，难以阅读。

原因：ElementTree默认不格式化输出。

解决：

importxml.etree.ElementTreeasET# Python 3.9+：用ET.indentroot=ET.Element("root")ET.SubElement(root,"child").text="hello"ET.indent(root,space=" ")# 缩进2空格xml_str=ET.tostring(root,encoding="unicode")print(xml_str)# <root>![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/accc3cf32b0d4170809dc89a5f37a75b.png#pic_center)# <child>hello</child># </root># Python 3.8及以下：用minidom美化importxml.dom.minidom xml_str=ET.tostring(root,encoding="unicode")dom=xml.dom.minidom.parseString(xml_str)pretty=dom.toprettyxml(indent=" ")print(pretty)