如何使用Python批量下载XML文件中所有图片链接指向的资源？

本文共计991个文字，预计阅读时间需要4分钟。

Python 的 `xml.etree.ElementTree` 库可以方便地处理XML文件，适用于解析和构建结构清晰的大量XML数据（如RSS、sitemap、自定义配置文件等）。关键在于如何准确地定位到图片链接——通常隐藏在 `src`、`href` 或 `xlink:href` 属性中，或者自定义标签中。

常见错误是直接搜 img 标签：XML 里根本没这个 HTML 标签，硬写 tree.findall('.//img') 会返回空列表。得先看原始 XML 长什么样，再决定 XPath 表达式。

• 用 tree.findall('.//*[@src]') 找所有带 src 属性的元素，再取 .get('src')
• 如果链接在命名空间里（比如 SVG 中的 xlink:href），必须声明命名空间：namespaces={'xlink': 'http://www.w3.org/1999/xlink'}，然后用 './/xlink:href' 配合 find()
• 避免用 text 提取链接：很多 XML 把 URL 放在属性里，不是标签文本内容

过滤和清洗提取出的链接，避开相对路径和无效协议

XML 里混着 ./images/logo.png、data:image/png;base64,...、mailto:xxx 很常见。不处理就直接丢给下载器，要么 404，要么报错。