最常用且推荐的方法是使用内置的 xml.etree.elementtree 模块，解析xml后用 root.iter('tag') 或 findall() 定位标签，再通过 elem.text.strip() 提取并清理文本；对含子元素的复杂内容，可用 itertext() 合并全部文本。
用Python从XML中提取特定标签的所有文本，最常用且推荐的方法是使用内置的 xml.etree.ElementTree 模块。它轻量、标准、无需额外安装，适合大多数结构清晰的XML场景。
使用 ElementTree 查找并提取所有匹配标签的文本
核心思路是：解析XML → 定位目标标签（支持XPath）→ 遍历所有匹配元素 → 获取其 .text 属性（注意：.text 只包含起始标签和第一个子元素之间的文本，不含子标签内容或尾部空白）。
- 若标签是纯文本容器（如
<name>Alice</name>），直接用elem.text即可 - 若需获取标签内全部可读文本（包括子标签中的文本），应使用
elem.xpath('.//text()')（需 lxml）或手动递归拼接（ElementTree不原生支持） - 推荐先用
elem.text.strip()去除首尾空格，避免提取到空白行
示例代码：提取所有 标签的文本
假设有如下 XML 字符串：
执行以下代码：
立即学习“Python免费学习笔记（深入）”；
import xml.etree.ElementTree as ET
<p>xml_str = """<books>...</books>""" # 上面的XML内容
root = ET.fromstring(xml_str)</p><h1>方法1：查找所有 title 标签，提取 .text</h1><p>titles = [elem.text.strip() for elem in root.iter('title') if elem.text]
print(titles) # ['Python入门', '数据结构与算法']</p><h1>方法2：用 findall + 相对路径（更精确控制层级）</h1><p>for book in root.findall('book'):
title_elem = book.find('title')
if title_elem is not None and title_elem.text:
print(title_elem.text.strip())
处理含嵌套或混合内容的标签
如果目标标签内有HTML片段、换行或子元素（如 <desc>学习<b>Python</b>很有趣</desc>），.text 只返回“学习”，.tail 和子元素的 .text 需单独处理。此时建议：
- 改用 lxml 库（需
pip install lxml），支持elem.xpath('string(.)')或elem.itertext() -
list(elem.itertext())返回生成器，可用''.join(...).strip()合并全部文本节点 - 例如：
''.join(title_elem.itertext()).strip()能安全提取带格式标签内的全部可见文本
注意事项与常见问题
- 确保XML编码正确（如含中文时，字符串需为UTF-8，文件读取时指定
encoding='utf-8'） - 若标签可能为空（
<title></title>或<title></title>），访问.text会得None，务必判空 - ElementTree 默认不解析 DTD 或实体（如
parser = ET.XMLParser(resolve_entities=False) - 对于大型XML文件，用
ET.iterparse()流式解析，节省内存
