python解析sitemap需求

Question

判断是不是sitemapindex，

<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">

如果是sitemapindex则循环解析子xml，如果不是就直接解析xml文件
xml文件需要保留url和lasmod

Answer 1

可以使用Python中的ElementTree库来解析XML。

首先，我们需要将字符串解析为XML元素对象，可以使用ElementTree库中的fromstring()方法实现。

然后通过ElementTree库中的findall()方法，查找sitemap元素，再通过元素的子元素loc和lastmod获取对应的值。

以下是具体代码实现：

import xml.etree.ElementTree as ET

content = '''<sitemapindex xmlns="http://www.sitemaps.org/schemas/sitemap/0.9">
    <sitemap>
        <loc>https://www.u9seo.com/post-sitemap1.xml</loc>
        <lastmod>2022-10-22T22:04:43+08:00</lastmod>
    </sitemap>
</sitemapindex>'''

# 解析XML
root = ET.fromstring(content)

# 判断是否为sitemapindex类型
if root.tag == '{http://www.sitemaps.org/schemas/sitemap/0.9}sitemapindex':
    # 获取所有子元素sitemap
    sitemaps = root.findall('{http://www.sitemaps.org/schemas/sitemap/0.9}sitemap')
    
    # 遍历获取loc和lastmod值
    for sitemap in sitemaps:
        loc = sitemap.find('{http://www.sitemaps.org/schemas/sitemap/0.9}loc').text
        lastmod = sitemap.find('{http://www.sitemaps.org/schemas/sitemap/0.9}lastmod').text
        
        # 打印测试
        print('loc:', loc)
        print('lastmod:', lastmod)
else:
    print('不是sitemapindex类型')

输出的结果为：

loc: https://www.u9seo.com/post-sitemap1.xml
lastmod: 2022-10-22T22:04:43+08:00

可以看到成功解析初其中的loc和lastmod参数。