用Python比较两个sitemap.xml差异需解析XML提取URL、标准化（小写/去尾斜杠/统协议）、递归处理嵌套sitemapindex，再集合比对新增/缺失URL并格式化输出。
用Python比较两个sitemap.xml的差异，核心是解析XML、提取URL列表，再做集合或有序比对。关键在于处理sitemap可能存在的嵌套（如sitemapindex）、重复URL、规范格式（如末尾斜杠、协议统一），以及输出可读性强的结果。
解析并标准化URL列表
sitemap.xml本质是XML，推荐用xml.etree.ElementTree（标准库，无需安装）解析。注意：
• 多数sitemap用 <loc> 标签包裹URL；
• 若是sitemapindex（含多个子sitemap），需递归抓取所有<loc>并过滤出以.xml结尾的子链接；
• URL标准化建议：转小写、移除末尾/、统一用https://（若业务要求）。
示例代码片段：
def extract_urls_from_sitemap(file_path):
urls = set()
try:
tree = ET.parse(file_path)
root = tree.getroot()
namespaces = {'ns': 'https://www.php.cn/link/654f3a10edb3bb1755a43cc4f9be9dc6'} 拿到两个标准化URL集合后，常用比对方式有： 立即学习“Python免费学习笔记（深入）”； 真实场景中，sitemap常托管在 建议按类别分块输出，带行号和简单统计：import xml.etree.ElementTree as ET
from urllib.parse import urlparse, urlunparse
<p>def normalize_url(url):
parsed = urlparse(url)</p><h1>转小写，去掉末尾/，保留path/query/fragment</h1><pre class='brush:php;toolbar:false;'>path = parsed.path.rstrip('/')
return urlunparse((parsed.scheme, parsed.netloc.lower(), path,
parsed.params, parsed.query, parsed.fragment))先尝试找普通url条目
for loc in root.findall('.//ns:loc', namespaces):
if loc.text:
urls.add(normalize_url(loc.text.strip()))
# 若是sitemapindex，递归处理子sitemap（这里简化为只读本地文件，实际需HTTP请求）
except Exception as e:
print(f"解析失败 {file_path}: {e}")
return urls</pre></font></p>执行三类基础比对
urls_a - urls_b
urls_b - urls_a
hashlib.md5(url.encode()).hexdigest()），但通常标准化后集合差已足够支持远程sitemap和层级解析
https://example.com/sitemap.xml，且可能包含嵌套引用。此时需：
timeout和headers防被拒）<sitemapindex>结构，对每个子<loc>递归下载并解析（注意相对路径需拼接base URL）输出差异结果到文件或控制台
# 示例输出结构
=== 新增URL（sitemap_A 比 sitemap_B 多出） ===
1. https://example.com/blog/new-post
2. https://example.com/products/item-77
<p>=== 缺失URL（sitemap_A 中已无，但 sitemap_B 仍有） ===</p><ol><li><a href="https://www.php.cn/link/65951d951d3b5df75fc887290a473774">https://www.php.cn/link/65951d951d3b5df75fc887290a473774</a></li><li><a href="https://www.php.cn/link/df0d020fc9a3e0bafef47e229b498ba5">https://www.php.cn/link/df0d020fc9a3e0bafef47e229b498ba5</a></li></ol><p>总计：新增 2 条，缺失 2 条，共同 142 条
也可导出为CSV或JSON，方便后续导入Excel或CI流程校验。
