推荐使用xml.etree.ElementTree提取href/src/url属性链接，或lxml配合XPath精准匹配多类链接位置；需清洗空格、补全相对路径、过滤非HTTP协议并处理命名空间。
用Python从XML中提取所有链接，核心是解析XML文档并定位含URL的元素（如、、xml.etree.ElementTree（轻量、标准库、够用）或第三方库lxml（支持XPath、更灵活、解析HTML混合内容更强）。
用ElementTree提取href属性链接
适用于结构清晰、链接主要在href、src等属性中的XML（如RSS、自定义配置XML）：
- 加载XML：用
ET.parse()读文件，或ET.fromstring()读字符串 - 查找所有带
href属性的元素：用root.iter()遍历所有元素，检查elem.get("href") - 同样可扩展检查
src、url、xlink:href等常见链接属性
示例代码：
import xml.etree.ElementTree as ETtree = ET.parse("example.xml") root = tree.getroot()
links = [] for elem in root.iter(): href = elem.get("href") or elem.get("src") or elem.get("url") if href and href.startswith(("http://", "https://")): links.append(href)
print(links)
立即学习“Python免费学习笔记（深入）”；
用XPath配合lxml精准提取（推荐进阶场景）
当XML较复杂、需匹配命名空间、或要提取lxml + XPath更可靠：
- 安装：
pip install lxml - 用
//a/@href | //link/@href | //url/text() | //loc/text()一次性匹配多类链接位置 - 自动处理命名空间（如Atom/RSS常用
xmlns:xhtml="http://www.w3.org/1999/xhtml"）
示例代码：
from lxml import etreetree = etree.parse("feed.xml")
提取所有href属性 + loc/url元素的文本
expr = '//@href | //@src | //loc/text() | //url/text() | //xhtml:a/@href' links = [link for link in tree.xpath(expr) if isinstance(link, str) and link.strip().startswith(("http://", "https://"))]
print(links)
立即学习“Python免费学习笔记（深入）”；
注意链接格式与清洗
提取出的链接常含空格、换行、相对路径或无效前缀，建议统一后处理：
- 用
.strip()去首尾空白 - 用
urllib.parse.urljoin(base_url, rel_path)补全相对链接（需提供XML文档所在基础URL） - 过滤掉
mailto:、tel:、javascript:等非HTTP链接（按需） - 去重可用
list(set(links))，但注意保持顺序时改用dict.fromkeys(links)
处理带命名空间的XML（如RSS 2.0、Atom）
很多标准XML定义了默认或前缀命名空间，直接用find("link")会失败。正确做法是声明命名空间字典：
ns = {
"rss": "http://purl.org/rss/1.0/",
"atom": "http://www.w3.org/2005/Atom",
"dc": "http://purl.org/dc/elements/1.1/"
}
查找Atom中的
for link in root.xpath("//atom:link[@rel='alternate']/@href", namespaces=ns):
print(link)
不复杂但容易忽略。
