Como Analisar XML em Python (10 Métodos + Exemplos)

Analisar XML é uma tarefa comum em Python, quer você esteja trabalhando com arquivos de configuração, raspagem na web ou APIs. Este guia oferece 10 soluções diferentes com exemplos de código, casos de uso, tabelas de comparação e perguntas frequentes. Ao final, você saberá qual método se encaixa melhor no seu projeto.

🔹 O que é Análise de XML?

XML (eXtensible Markup Language) é amplamente utilizado para armazenar e transportar dados. Analisar XML significa ler a estrutura XML e extrair informações úteis. Em Python, você tem várias maneiras de alcançar isso, que vão desde bibliotecas integradas até frameworks avançados.

🔹 Solução 1: Usando xml.etree.ElementTree (Biblioteca Padrão)

import xml.etree.ElementTree as ET

xml_data = '''<root><item>Apple</item><item>Banana</item></root>'''
root = ET.fromstring(xml_data)

for child in root:
    print(child.tag, child.text)

✅ Prós: Integrado, rápido, sem dependências.
⚠️ Contras: Validação limitada, fraco para XML complexo.

🔹 Solução 2: Usando xml.dom.minidom

from xml.dom import minidom

doc = minidom.parseString('<root><item>Apple</item></root>')
items = doc.getElementsByTagName("item")

for item in items:
    print(item.firstChild.data)

✅ Prós: Impressão bonita, simples de usar.
⚠️ Contras: Pesado em memória para XML grandes.

🔹 Solução 3: Usando lxml

from lxml import etree

xml_data = '''<root><item>Apple</item><item>Banana</item></root>'''
root = etree.fromstring(xml_data)

for item in root.findall("item"):
    print(item.text)

✅ Prós: Muito rápido, suporte a XPath, validação.
⚠️ Contras: Requer instalação (pip install lxml).

🔹 Solução 4: Usando BeautifulSoup

from bs4 import BeautifulSoup

xml_data = """<root><item>Apple</item><item>Banana</item></root>"""
soup = BeautifulSoup(xml_data, "xml")

for item in soup.find_all("item"):
    print(item.text)

✅ Prós: Amigável para iniciantes, análise flexível.
⚠️ Contras: Mais lento do que lxml.

🔹 Solução 5: Usando defusedxml (Análise Segura)

from defusedxml.ElementTree import fromstring

xml_data = '<root><item>Apple</item></root>'
root = fromstring(xml_data)

for child in root:
    print(child.text)

✅ Prós: Previne vulnerabilidades XML (XXE, Billion Laughs).
⚠️ Contras: Recursos limitados.

🔹 Solução 6: Usando xmltodict

import xmltodict

xml_data = """<root><item>Apple</item><item>Banana</item></root>"""
parsed = xmltodict.parse(xml_data)

print(parsed["root"]["item"])

✅ Prós: Converte XML → dicionário Python diretamente.
⚠️ Contras: Não é ideal para streaming de XML grandes.

🔹 Solução 7: Usando pandas

import pandas as pd

xml_data = """<root><row><name>John</name></row><row><name>Jane</name></row></root>"""
df = pd.read_xml(xml_data)
print(df)

✅ Prós: Perfeito para análise de dados.
⚠️ Contras: Requer XML estruturado.

🔹 Solução 8: Usando Regex (Não Recomendado)

import re

xml_data = '<root><item>Apple</item><item>Banana</item></root>'
items = re.findall(r'<item>(.*?)</item>', xml_data)
print(items)

✅ Prós: Hacks rápidos.
⚠️ Contras: Frágil, quebra em XML aninhado/complexo.

🔹 Solução 9: Usando Scrapy (Para Raspagem Web)

import scrapy

class XMLSpider(scrapy.Spider):
    name = "xml_spider"
    start_urls = ["https://example.com/data.xml"]

    def parse(self, response):
        for item in response.xpath("//item/text()").getall():
            yield {"item": item}

✅ Prós: Escalável, ótimo para raspagem de feeds XML.
⚠️ Contras: Excesso para análise simples.

🔹 Solução 10: Usando Scrapeless API (Melhor Alternativa)

Em vez de manter a lógica de análise você mesmo, você pode usar o Scrapeless Scraping Browser. Ele automaticamente:

• Manipula conteúdo dinâmico
• Extrai dados estruturados (JSON, XML)
• Ignora proteção contra bots

import requests

url = "https://api.scrapeless.com/xml-extract"
payload = {"url": "https://example.com/data.xml"}

response = requests.post(url, json=payload)
print(response.json())

✅ Prós: Sem configuração, robusto, escalável.
⚠️ Contras: Serviço pago.

🔹 Tabela de Comparação

🔹 Cenários do Mundo Real

• Arquivos de configuração → ElementTree
• Grandes conjuntos de dados → lxml
• APIs → xmltodict
• Ciência de dados → pandas
• Aplicativos seguros → defusedxml
• Web scraping → Scrapy ou Scrapeless

🔹 FAQ

Q1: Qual é a maneira mais rápida de analisar XML em Python?
👉 lxml é a solução de código aberto mais rápida. A Scrapeless API é mais rápida para tarefas de nível de produção.

Q2: Como posso prevenir problemas de segurança com XML?
👉 Use defusedxml ou Scrapeless API, que sanitizam as entradas.

Q3: Posso converter XML diretamente em JSON?
👉 Sim, xmltodict ou Scrapeless API podem fazer isso.

Q4: Qual método é melhor para web scraping?
👉 Use Scrapy para projetos pequenos, Scrapeless para necessidades empresariais.

🔹 Referências

• Documentação Oficial de XML do Python
• Padrões XML do W3C
• Tutorial de XML da Real Python

🔹 Conclusão

Python oferece muitas maneiras de analisar XML, desde bibliotecas embutidas como ElementTree até soluções avançadas como lxml e Scrapy. Se você precisar de análise escalável, segura e sem manutenção, considere usar Scrapeless Scraping Browser.