最常用且可靠的方式是用xml.etree.ElementTree或lxml，核心是遍历元素并递归收集.text和.tail属性值，注意判空、去空白及编码处理。
Python中提取XML所有文本内容，最常用且可靠的方式是用xml.etree.ElementTree（标准库）或第三方库lxml。核心思路是：遍历所有元素，获取其.text和.tail属性，并递归处理子元素。
使用ElementTree提取全部文本（推荐初学者）
ElementTree无需安装，适合简单到中等复杂度的XML。注意它默认不保留空白文本，若需完整文本（含换行缩进），建议用xml.etree.ElementTree.XMLParser配合strip_cdata=False，但更关键的是要同时收集text和tail：
-
element.text：元素开始标签与第一个子元素（或结束标签）之间的文本 -
element.tail：元素结束标签与下一个兄弟元素开始标签之间的文本（常被忽略！） - 递归遍历时，对每个元素先加
text，再递归子元素，最后加tail
代码示例：安全提取全部可见文本
以下函数会返回去除首尾空白、跳过纯空白节点后的所有文本片段（保留自然断句）：
import xml.etree.ElementTree as ET
<p>def extract_all_text(root):
texts = []</p><pre class="brush:php;toolbar:false;">def walk(elem):
if elem.text and elem.text.strip():
texts.append(elem.text.strip())
for child in elem:
walk(child)
if elem.tail and elem.tail.strip():
texts.append(elem.tail.strip())
walk(root)
return texts使用示例
xml_str = """ 第一段内容。 立即学习“Python免费学习笔记（深入）”； 第二段内容。
输出：['Python教程', '第一段内容。', '第二段内容。']
需要保留格式或处理HTML混入时用lxml
若XML含命名空间、CDATA、注释，或你想更精准控制（比如只取“可见文本”，跳过注释/处理指令），lxml更强大：
- 安装：
pip install lxml - 用
etree.tostring(elem, method='text', encoding='unicode')可一键提取某元素内所有文本（含子元素），但会合并空格 - 更精细控制可用
itertext()方法：''.join(elem.itertext())返回该元素及其后代的所有文本内容（不含标签）
注意事项与常见坑
提取“所有文本”不等于“所有字符串”。需注意：
- XML注释（
<!-- ... -->）、处理指令、DTD声明默认不被ElementTree解析，lxml可通过设置解析器参数捕获 -
text和tail可能为None，务必判空再调.strip() - 如果XML编码不是UTF-8，解析前需显式指定（如
ET.fromstring(xml_bytes, parser=ET.XMLParser(encoding='gbk'))） - 想获得带换行/缩进的原始文本？需用
minidom或lxml的pretty_print=False配合手动遍历，但通常不必要
