BeautifulSoup 支持 XML 解析，但必须显式指定 lxml 或 xml 解析器；默认 html.parser 不适用。推荐 lxml，因其支持命名空间、XPath 和复杂结构；处理带命名空间 XML 需传入 namespaces 参数；注意编码和安装依赖。

可以，但需要正确配置解析器，否则容易报错或解析不全。

支持XML的前提：选择合适的解析器

BeautifulSoup 本身是解析器无关的库，它依赖底层解析器（如 lxml、xml、html.parser）来实际处理文档。默认的 html.parser 只能处理 HTML，无法正确解析 XML 文档（比如带命名空间、自闭合标签、严格语法的 XML）。要解析 XML，必须显式指定支持 XML 的解析器：

• lxml：推荐首选，速度快、功能强，原生支持 XML 和 XPath，能处理命名空间、DOCTYPE、CDATA 等复杂结构
• xml（Python 内置的 xml.etree.ElementTree 的封装）：轻量，但功能较弱，不支持 XPath，对格式错误容忍度低
• 避免用 html.parser 或 html5lib 解析 XML——它们会静默修复语法，导致结构失真（例如把 展开成 ）

基础用法：加载 XML 并提取数据

以一段简单 RSS XML 为例：

  
    
    
      
      https://example.com/1
    
  

使用 lxml 解析：

from bs4 import BeautifulSoup
with open("feed.xml", "r", encoding="utf-8") as f:
soup = BeautifulSoup(f, "xml")  # 注意这里传入 "xml"，等价于 "lxml-xml"
查找所有 item 标签
for item in soup.find_all("item"):
title = item.find("title").get_text()
link = item.find("link").get_text()
print(title, link)

处理带命名空间的 XML

很多标准 XML（如 Atom、SOAP、SVG）使用命名空间，例如：。直接写 soup.find("link") 会找不到。

解决方法是用字典声明命名空间，并在查找时传入：

ns = {"atom": "http://www.w3.org/2005/Atom"}
feed_link = soup.find("atom:link", attrs={"rel": "self"}, namespaces=ns)
if feed_link:
    href = feed_link.get("href")

注意：namespaces 参数只在 lxml 解析器下生效；xml 解析器不支持命名空间查询。

常见坑与建议

• 确保安装了 lxml：pip install lxml（Windows 用户建议用 pip 安装预编译 wheel，避免编译失败）
• XML 文件编码需明确指定（尤其是含中文时），打开文件时加 encoding="utf-8"，或用 BeautifulSoup(xml_str, "xml", from_encoding="utf-8")
• 如果 XML 结构复杂或需高频查询，可先用 soup.find_all() 缓存结果，避免重复遍历
• 对严格校验需求（如验证 DTD/XSD），BS4 不适用——应改用 lxml.etree.XMLSchema 或 xmlschema 库