Python如何将XML转换为Markdown格式

Python不直接支持XML转Markdown,需解析XML后按语义映射为Markdown语法:用ElementTree或lxml解析,递归处理标签(如h1→#、ul→-),注意转义、换行与嵌套规则;推荐markdownify库处理HTML-like XML。

Python本身不直接支持XML转Markdown,但可以通过解析XML结构,再按语义规则生成对应Markdown文本。核心思路是:先用xml.etree.ElementTreelxml读取XML,遍历节点,把标题、段落、列表、链接等元素映射为Markdown语法。

基础步骤:用ElementTree解析并递归转换

适合结构较简单、自定义程度高的XML(如自定义笔记、文档片段):

  • 使用xml.etree.ElementTree.parse()加载XML文件或字符串
  • 编写递归函数,根elem.tag判断语义:如"h1""# ""p"→原样保留,"ul"/"ol"→转换为无序/有序列表
  • elem.textelem.tail做基本转义(如_*在Markdown中有特殊含义,需考虑是否转义)
  • 遇到a标签时,提取href属性,生成[text](url)格式

处理常见HTML-like XML(如从网页抓取的片段)

若XML实际是XHTML或类HTML结构(含divstrongem等),推荐用lxml.html配合markdownify库:

  • pip install lxml markdownify
  • lxml.html.fromstring(xml_str)解析(自动容错,比ElementTree更健壮)
  • 调用markdownify.markdownify(html_element)一键转换(它已内置常见标签映射规则)
  • 可继承markdownify.MarkdownConverter来自定义标签行为,比如把section转成二级标题,或忽略某些装饰性span

注意嵌套与换行细节

Markdown对空白和换行敏感,XML中常忽略格式,需主动补足:

  • 块级元素(如h1pul)前后加空行,避免被连成一行
  • 列表项之间不加空行,但列表前后必须有空行
  • 内联元素(strongcode)直接包裹文本,不额外加空格(除非原文本有)
  • 保留XML中的换行符(\n)在text中,并在输出时按需规范化(如多个连续换行压缩为一个)

小工具示例(纯标准库,无第三方依赖)

以下代码可处理最简场景(支持h1h6pullia):

(注意:仅作示意,生产环境建议用markdownify
import xml.etree.ElementTree as ET

def xml_to_md(elem): if elem.tag == "h1": return f"# {elem.text or ''}" if elem.tag == "h2": return f"## {elem.text or ''}" if elem.tag == "p": return elem.text or "" if elem.tag == "ul": items = [f"- {li.text or ''}" for li in elem if li.tag == "li"] return "\n".join(items) if elem.tag == "a" and "href" in elem.attrib: href = elem.attrib["href"] text = elem.text or href return f"{text}" return "".join(xml_to_md(e) for e in elem) + (elem.tail or "")

使用示例

xml_str = "

标题

一段文字

  • 条目1
" root = ET.fromstring(xml_str) print(xml_to_md(root))