--- title: "Guia sobre como realizar Parsing de XML em Python" slug: parsing-xml-in-python date: 2026-02-22T07:23:39+00:00 modified: 2026-02-22T07:23:40+00:00 permalink: https://brightdata.com.br/blog/procedimentos/parsing-xml-in-python type: blog --- [ Blog ](https://brightdata.com.br/blog "Blog") / [procedimentos](https://brightdata.com.br/blog/procedimentos) [procedimentos](https://brightdata.com.br/blog/procedimentos) # Guia sobre como realizar Parsing de XML em Python Aprenda a realizar Parsing de XML em Python usando bibliotecas como ElementTree, lxml e SAX para aprimorar seus projetos de processamento de dados. 2 min de leitura [ ![](https://media.brightdata.com.br/2023/03/Vikram-Aruchamy-1-50x50.png) ](https://brightdata.com/blog/authors/vikram-aruchamy) [Vikram Aruchamy ](https://brightdata.com/blog/authors/vikram-aruchamy) ![How to parse XML in Python main blog image](https://media.brightdata.com.br/2024/05/How-to-parse-XML-in-Python.svg) A Linguagem de Marcação Extensível (XML) é um formato amplamente utilizado para armazenar e trocar dados estruturados. Os arquivos XML são comumente usados para representar dados hierárquicos, como arquivos de configuração, formatos de intercâmbio de dados, respostas de serviços da web e mapas de sites. [Parsing](/blog/web-data/what-is-data-parsing) de arquivos XML em Python é uma tarefa comum, especialmente para automatizar processos manuais, como processar dados recuperados de APIs [da](/blog/how-tos/what-is-web-scraping) web ou [Scraping de dados.](/blog/how-tos/what-is-web-scraping) Neste artigo, você aprenderá sobre algumas das bibliotecas que podem ser usadas para realizar Parsing de XML em Python, incluindo o [módulo`ElementTree`](https://docs.python.org/3/library/xml.etree.elementtree.html), [a biblioteca lxml](https://docs.python.org/3/library/xml.dom.minidom.html), [`minidom`](https://docs.python.org/3/library/xml.dom.minidom.html), [Simple API for XML (SAX)](https://docs.python.org/3/library/xml.sax.html) e [untangle](https://untangle.readthedocs.io/en/latest/). ## Conceitos-chave de um arquivo XML Antes de aprender a realizar Parsing de XML em Python, você deve entender o que é XML Schema Definition (XSD) e quais elementos compõem um arquivo XML. Esse entendimento pode ajudá-lo a selecionar a biblioteca Python apropriada para sua tarefa de Parsing. [XSD](https://en.wikipedia.org/wiki/XML_Schema_(W3C)) é uma especificação de esquema que define a estrutura, o conteúdo e os tipos de dados permitidos em um documento XML. Ela serve como uma sintaxe para validar a estrutura e o conteúdo dos arquivos XML em relação a um conjunto predefinido de regras. Um arquivo XML geralmente inclui os elementos `Namespace`, `raiz`, `atributos`, `elementos` e `conteúdo de texto`, que juntos representam dados estruturados. - `Espaço de nomes` - `raiz` - `atributos` - `elementos` - `conteúdo de texto` Por exemplo, o [mapa do site da Bright Data](/post-sitemap.xml) tem a seguinte estrutura XML: - **`urlset`** é o elemento `raiz`. - **`lxml [O lxml](https://lxml.de/)é uma API rápida, fácil de usar e rica em recursos para realizar o Parsing de arquivos XML em Python; no entanto, não é uma biblioteca pré-construída em Python. Embora algumas plataformas Linux e Mac já tenham o pacote lxml instalado, outras plataformas precisam de instalação manual. A lxml é distribuída via[PyPI](https://pypi.org/)e você pode[`instalá-la`](https://lxml.de/installation.html#installation)usando o seguinte comando`pip`: ```none pip install lxml ``` Depois de instalado, você pode usar`o lxml`para parsear arquivos XML usando[vários](https://lxml.de/apidoc/lxml.html)métodos[de API](https://lxml.de/apidoc/lxml.html), como`find()`,`findall()`,`findtext()`,`get()` e`get_element_by_id()`. Por exemplo, você pode usar o método`findall()`para iterar sobre os elementos`url`, encontrar seus elementos`loc`(que são elementos filhos do elemento`url`) e, em seguida, imprimir o texto de localização usando o seguinte código: ```none from lxml import etree import requests url = "https://brightdata.com/post-sitemap.xml" response = requests.get(url) if response.status_code == 200: root = etree.fromstring(response.content) para url em root.findall(".//{http://www.sitemaps.org/schemas/sitemap/0.9}url"): loc = url.find("{http://www.sitemaps.org/schemas/sitemap/0.9}loc").text.strip() imprimir(loc) else: imprimir("Falha ao recuperar o arquivo XML da URL.") ``` A saída exibe todas as URLs encontradas no mapa do site: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Proteção de marca https://brightdata.com/case-studies/taking-control-of-the-digital-shelf-with-public-online-data https://brightdata.com/case-studies/the-seo-transformation https://brightdata.com/case-studies/data-driven-automated-e-commerce-tools https://brightdata.com/case-studies/highly-targeted-influencer-marketing https://brightdata.com/case-studies/data-driven-products-for-smarter-shopping-solutions https://brightdata.com/case-studies/workplace-diversity-facilitated-by-online-data https://brightdata.com/case-studies/alternative-travel-solutions-enabled-by-online-data-railofy https://brightdata.com/case-studies/data-intensive-analytical-solutions https://brightdata.com/case-studies/canopy-advantage-solutions https://brightdata.com/case-studies/seamless-digital-automations ``` Até agora, você aprendeu como encontrar elementos e imprimir seus valores. Agora, vamos explorar a validação do esquema antes do Parsing do XML. Esse processo garante que o arquivo esteja em conformidade com a estrutura especificada definida pelo esquema. O XSD para o mapa do site é semelhante a este: ```none ``` Para usar o mapa do site para validação de esquema, certifique-se de copiá-lo manualmente e criar um arquivo chamado `schema.xsd`. Para validar o arquivo XML usando este XSD, use o seguinte código: ```none from lxml import etree import requests url = "https://brightdata.com/post-sitemap.xml" response = requests.get(url) if response.status_code == 200: root = etree.fromstring(response.content) try: print("Validação do esquema:") schema_doc = etree.parse("schema.xsd") schema = etree.XMLSchema(schema_doc) schema.assertValid(root) print("XML é válido de acordo com o esquema.") except etree.DocumentInvalid as e: print("Erro de validação XML:", e) ``` Aqui, você realiza o Parsing do arquivo XSD usando o método[`etree.parse()`](https://lxml.de/tutorial.html#the-parse-function). Em seguida, você cria um esquema XML usando o conteúdo do documento XSD analisado. Por fim, você valida o documento raiz XML em relação ao esquema XML usando o método`assertValid()`. Se a validação do esquema for aprovada, sua saída incluirá uma mensagem dizendo algo como`XML é válido de acordo com o esquema`. Caso contrário, a exceção[`DocumentInvalid`](https://lxml.de/api/lxml.etree.DocumentInvalid-class.html)será gerada. Sua saída deve ficar assim: ```none Validação do esquema: O XML é válido de acordo com o esquema. ``` Agora, vamos ler um arquivo XML que usa o método `xpath` para localizar os elementos usando seu caminho. Para ler os elementos usando o método `xpath()`, use o seguinte código: ```none from lxml import etree import requests url = "https://brightdata.com/post-sitemap.xml" response = requests.get(url) if response.status_code == 200: root = etree.fromstring(response.content) print("Suporte a XPath:") root = etree.fromstring(response.content) namespaces = {"ns": "http://www.sitemaps.org/schemas/sitemap/0.9"} for url in root.xpath(".//ns:url/ns:loc", namespaces=namespaces): print(url.text.strip()) ``` Neste código, você registra o prefixo do namespace `ns` e o mapeia para o URI do namespace `http://www.sitemaps.org/schemas/sitemap/0.9`. Na expressão `XPath`, você usa o prefixo `ns` para especificar elementos no namespace. Por fim, a expressão `.//ns:url/ns:loc` seleciona todos os elementos `loc` que são filhos dos elementos `url` no namespace. Sua saída será semelhante a esta: ```none Suporte a XPath: https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Proteção de marca https://brightdata.com/case-studies/taking-control-of-the-digital-shelf-with-public-online-data https://brightdata.com/case-studies/the-seo-transformation https://brightdata.com/case-studies/data-driven-automated-e-commerce-tools https://brightdata.com/case-studies/highly-targeted-influencer-marketing https://brightdata.com/case-studies/data-driven-products-for-smarter-shopping-solutions https://brightdata.com/case-studies/workplace-diversity-facilitated-by-online-data https://brightdata.com/case-studies/alternative-travel-solutions-enabled-by-online-data-railofy https://brightdata.com/case-studies/data-intensive-analytical-solutions https://brightdata.com/case-studies/canopy-advantage-solutions https://brightdata.com/case-studies/seamless-digital-automations ``` Como você pode ver, os métodos `find()` e `findall()` são mais rápidos do que o método `xpath`, pois `o xpath` coleta todos os resultados na memória antes de retorná-los. É recomendável usar o método `find()`, a menos que haja um motivo específico para usar consultas `XPath`. O lxml oferece recursos poderosos para analisar e manipular XML e HTML. Ele suporta consultas complexas usando[expressões XPath](https://www.w3schools.com/xml/xpath_intro.asp), valida documentos em relação a esquemas e até permite[transformações de linguagem de folha de estilo extensível (XSLT)](https://www.w3schools.com/xml/xpath_intro.asp). Isso o torna ideal para cenários em que o desempenho e a funcionalidade avançada são cruciais. No entanto, lembre-se de que o lxml requer uma instalação separada, pois não faz parte do pacote Python principal. Se você estiver lidando com dados XML grandes ou complexos que exigem alto desempenho e manipulação avançada, considere usar o lxml. Por exemplo, se você estiver processando feeds de dados financeiros no formato XML, talvez seja necessário usar expressões XPath para extrair elementos específicos, como preços de ações, validar os dados em relação a um esquema financeiro para garantir a precisão e, potencialmente, transformar os dados usando XSLT para análise posterior. ## minidom [`minidom`](https://docs.python.org/3/library/xml.dom.minidom.html)é uma biblioteca de Parsing XML leve e simples incluída na biblioteca padrão do Python. Embora não seja tão rica em recursos ou eficiente quanto o Parsing com lxml, ela oferece uma maneira direta de analisar e manipular dados XML no Python. Você pode usar os vários métodos disponíveis no objeto DOM para acessar elementos. Por exemplo, você pode usar o[método`getElementsByTagName()`](https://developer.mozilla.org/en-US/docs/Web/API/Document/getElementsByTagName)para recuperar o valor de um elemento usando seu nome de tag. O exemplo a seguir demonstra como usar a biblioteca `minidom` para realizar o Parsing de um arquivo XML e buscar os elementos usando seus nomes de tag: ```none import requests import xml.dom.minidom url = "https://brightdata.com/post-sitemap.xml" response = requests.get(url) if response.status_code == 200: dom = xml.dom.minidom.parseString(response.content) urlset = dom.getElementsByTagName("urlset")[0] for url in urlset.getElementsByTagName("url"): loc = url.getElementsByTagName("loc")[0].firstChild.nodeValue.strip() print(loc) else: print("Falha ao recuperar o arquivo XML da URL.") ``` Sua saída ficaria assim: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Proteção de marca https://brightdata.com/case-studies/taking-control-of-the-digital-shelf-with-public-online-data https://brightdata.com/case-studies/the-seo-transformation https://brightdata.com/case-studies/data-driven-automated-e-commerce-tools https://brightdata.com/case-studies/highly-targeted-influencer-marketing https://brightdata.com/case-studies/data-driven-products-for-smarter-shopping-solutions https://brightdata.com/case-studies/workplace-diversity-facilitated-by-online-data https://brightdata.com/case-studies/alternative-travel-solutions-enabled-by-online-data-railofy https://brightdata.com/case-studies/data-intensive-analytical-solutions https://brightdata.com/case-studies/canopy-advantage-solutions https://brightdata.com/case-studies/seamless-digital-automations ``` `O minidom` trabalha com dados XML representando-os como uma árvore DOM. Essa estrutura em árvore facilita a navegação e a manipulação de dados, sendo mais adequada para tarefas básicas, como ler, alterar ou construir estruturas XML simples. Se o seu programa envolve a leitura de configurações padrão de um arquivo XML, a abordagem DOM do `minidom` permite que você acesse facilmente configurações específicas dentro do arquivo XML usando métodos como localizar nós filhos ou atributos. Com `o minidom`, você pode recuperar facilmente configurações específicas do arquivo XML, como o nó `font-size`, e utilizar seu valor dentro do seu aplicativo. ## Analisador SAX O[analisador SAX](https://docs.python.org/3/library/xml.sax.html)é uma abordagem de Parsing XML orientada a eventos em Python que processa documentos XML sequencialmente e gera eventos à medida que encontra várias partes do documento. Ao contrário dos analisadores baseados em DOM que constroem uma estrutura em árvore representando todo o documento XML na memória, os analisadores SAX não constroem uma representação completa do documento. Em vez disso, eles emitem eventos como tags de início, tags de fim e conteúdo de texto à medida que analisam o documento. Os analisadores SAX são bons para processar grandes arquivos ou fluxos XML em que a eficiência da memória é uma preocupação, pois operam em dados XML de forma incremental, sem carregar o documento inteiro na memória. Ao usar o analisador SAX, você precisa definir os manipuladores de eventos que respondem a eventos XML específicos, como `startElement` e `endElement` emitidos pelo analisador. Esses manipuladores de eventos podem ser personalizados para executar ações com base na estrutura e no conteúdo do documento XML. O exemplo a seguir demonstra como realizar o Parsing de um arquivo XML usando o analisador SAX, definindo os eventos `startElement` e `endElement` e recuperando as informações de URL do arquivo sitemap: ```none import requests import xml.sax.handler from io import BytesIO class MyContentHandler(xml.sax.handler.ContentHandler): def __init__(self): self.in_url = False self.in_loc = False self.url = "" def startElement(self, name, attrs): if name == "url": self.in_url = True elif name == "loc" and self.in_url: self.in_loc = True def characters(self, content): if self.in_loc: self.url += content def endElement(self, name): if name == "url": imprimir(self.url.strip()) self.url = "" self.in_url = False elif nome == "loc": self.in_loc = False url = "https://brightdata.com/post-sitemap.xml" resposta = requests.get(url) se resposta.status_code == 200: xml_content = BytesIO(response.content) content_handler = MyContentHandler() parser = xml.sax.make_parser() parser.setContentHandler(content_handler) parser.parse(xml_content) else: print("Falha ao recuperar o arquivo XML da URL.") ``` Sua saída ficaria assim: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Proteção de marca https://brightdata.com/case-studies/taking-control-of-the-digital-shelf-with-public-online-data https://brightdata.com/case-studies/the-seo-transformation https://brightdata.com/case-studies/data-driven-automated-e-commerce-tools https://brightdata.com/case-studies/highly-targeted-influencer-marketing https://brightdata.com/case-studies/data-driven-products-for-smarter-shopping-solutions https://brightdata.com/case-studies/workplace-diversity-facilitated-by-online-data https://brightdata.com/case-studies/alternative-travel-solutions-enabled-by-online-data-railofy https://brightdata.com/case-studies/data-intensive-analytical-solutions https://brightdata.com/case-studies/canopy-advantage-solutions https://brightdata.com/case-studies/seamless-digital-automations ``` Ao contrário de outros analisadores que carregam o arquivo inteiro na memória, o SAX processa os arquivos de forma incremental, economizando memória e melhorando o desempenho. No entanto, o SAX exige a escrita de mais código para gerenciar cada segmento de dados dinamicamente. Além disso, ele não pode revisitar e analisar partes específicas dos dados posteriormente. Se você precisar verificar um arquivo XML grande (*por exemplo,* um arquivo de log contendo vários eventos) para extrair informações específicas (*por exemplo,* mensagens de erro), o SAX pode ajudá-lo a navegar com eficiência pelo arquivo. No entanto, se sua análise exigir a compreensão das relações entre diferentes segmentos de dados, o SAX pode não ser a melhor escolha. ## untangle [O untangle](https://untangle.readthedocs.io/en/latest/)é uma biblioteca leve de Parsing XML para Python que simplifica o processo de extração de dados de documentos XML. Ao contrário dos analisadores XML tradicionais, que exigem a navegação por estruturas hierárquicas, o untangle permite acessar elementos e atributos XML diretamente como objetos Python. Com o untangle, você pode converter documentos XML em dicionários Python aninhados, onde os elementos XML são representados como chaves de dicionário e seus atributos e conteúdo de texto são armazenados como valores correspondentes. Essa abordagem facilita o acesso e a manipulação de dados XML usando estruturas de dados Python. O untangle não está disponível por padrão no Python e precisa ser instalado usando o seguinte comando `PyPI`: ```none pip install untangle ``` O exemplo a seguir demonstra como realizar o Parsing do arquivo XML usando a biblioteca untangle e acessar os elementos XML: ```none import untangle import requests url = "https://brightdata.com/post-sitemap.xml" response = requests.get(url) if response.status_code == 200: obj = untangle.parse(response.text) for url in obj.urlset.url: print(url.loc.cdata.strip()) else: print("Falha ao recuperar o arquivo XML da URL.") ``` Sua saída ficará assim: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Proteção de marca https://brightdata.com/case-studies/taking-control-of-the-digital-shelf-with-public-online-data https://brightdata.com/case-studies/the-seo-transformation https://brightdata.com/case-studies/data-driven-automated-e-commerce-tools https://brightdata.com/case-studies/highly-targeted-influencer-marketing https://brightdata.com/case-studies/data-driven-products-for-smarter-shopping-solutions https://brightdata.com/case-studies/workplace-diversity-facilitated-by-online-data https://brightdata.com/case-studies/alternative-travel-solutions-enabled-by-online-data-railofy https://brightdata.com/case-studies/data-intensive-analytical-solutions https://brightdata.com/case-studies/canopy-advantage-solutions https://brightdata.com/case-studies/seamless-digital-automations ``` O untangle oferece uma abordagem fácil de usar para trabalhar com dados XML em Python. Ele simplifica o processo de Parsing com uma sintaxe clara e converte automaticamente a estrutura XML em objetos Python fáceis de usar, eliminando a necessidade de técnicas de navegação complexas. No entanto, lembre-se de que o untangle requer instalação separada, pois não faz parte do pacote Python principal. Você deve considerar o uso do untangle se tiver um arquivo XML bem formado e precisar convertê-lo rapidamente em objetos Python para processamento posterior. Por exemplo, se você tiver um programa que baixa dados meteorológicos no formato XML, o untangle pode ser uma boa opção para analisar o XML e criar objetos Python que representam a temperatura, a umidade e a previsão do tempo atuais. Esses objetos podem então ser facilmente manipulados e exibidos em seu aplicativo. ## Conclusão Neste artigo, você aprendeu tudo sobre arquivos XML e os vários métodos de Parsing de arquivos XML em Python. Esteja você trabalhando com pequenos arquivos de configuração, analisando grandes respostas de serviços da web ou extraindo dados de mapas de sites extensos, o Python oferece bibliotecas versáteis para automatizar e otimizar suas tarefas de Parsing de XML. No entanto, ao acessar arquivos da web usando a biblioteca de solicitações sem gerenciamento de Proxy, você pode encontrar exceções de cota e problemas de limitação.[A Bright Data](/)é uma rede de Proxy premiada que fornece[soluções de Proxy](/solutions)confiáveis e eficientes para garantir a recuperação e Parsing de dados sem interrupções. Com a Bright Data, você pode realizar tarefas de Parsing de XML sem se preocupar com limitações ou interrupções. Contate-nos para saber mais. Quer pular todo o processo de scraping e Parsing? Experimente nosso [mercado de Conjuntos de dados](/products/datasets) gratuitamente! Contate-nosTeste grátis![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Índice Dedicated Scraper APIs & No-Code Scrapers Over 1000 scrapers for all popular domains. Simplify your web scraping. [See pricing](/pricing/web-scraper "See pricing") Just want data? Skip scraping. Hundreds of ready-to-use datasets from all popular domains. [See pricing](/pricing/datasets "See pricing") [ ](https://news.ycombinator.com/submitlink?t=Guia+sobre+como+realizar+Parsing+de+XML+em+Python&u=https://brightdata.com.br/blog/procedimentos/parsing-xml-in-python) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Guia+sobre+como+realizar+Parsing+de+XML+em+Python&url=https://brightdata.com.br/blog/procedimentos/parsing-xml-in-python) [ ](http://www.reddit.com/submit?title=Guia+sobre+como+realizar+Parsing+de+XML+em+Python&url=https://brightdata.com.br/blog/procedimentos/parsing-xml-in-python) ## Você também pode estar interessado em [ ![Best HTML Parsing Libraries main blog image](https://media.brightdata.com.br/2024/03/Best-HTML-Parsing-Libraries.svg) ](https://brightdata.com.br/blog/dados-do-site/best-html-parsers "Melhores bibliotecas de Parsing HTML para Scraping de dados") [Dados do site ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Melhores bibliotecas de Parsing HTML para Scraping de dados Descubra os melhores analisadores HTML para Scraping de dados e extração de dados, incluindo httpx, AIOHTTP e urllib. 24-Mar-2024 8 min de leitura ](https://brightdata.com.br/blog/dados-do-site/best-html-parsers) [ ![Guide to using cURL with Python](https://media.brightdata.com.br/2023/04/Guide-to-Using-cURL-with-Python.svg) ](https://brightdata.com.br/blog/procedimentos/curl-with-python "Guia para usar cURL com Python") [procedimentos ![](https://media.brightdata.com.br/2023/04/Roel-Peters-50x50.png) Roel Peters ### Guia para usar cURL com Python Neste artigo, aprenderá como o Python e o cURL podem ser utilizados em conjunto para automatizar pedidos GET, POST e PUT, e para descarregar ficheiros e páginas web. 13-Apr-2023 13 min de leitura ](https://brightdata.com.br/blog/procedimentos/curl-with-python) [ ![](https://media.brightdata.com.br/2022/11/How-to-Scrape-with-Python.svg) ](https://brightdata.com.br/blog/procedimentos/web-scraping-with-python "Raspagem da Web com Python: Guia Passo-a-Passo") [procedimentos ![Antonello Zanini](https://media.brightdata.com.br/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Raspagem da Web com Python: Guia Passo-a-Passo Aprenda a executar a raspagem da web com Python de modo a coletar dados de múltiplos sítios web rapidamente, poupando tempo e esforço. 29-Nov-2022 19 min de leitura ](https://brightdata.com.br/blog/procedimentos/web-scraping-with-python)