--- title: "Guía sobre cómo realizar el parseo de XML en Python" slug: parsing-xml-in-python date: 2026-02-22T07:23:21+00:00 modified: 2026-02-22T07:23:22+00:00 permalink: https://brightdata.es/blog/procedimientos/parsing-xml-in-python type: blog --- [ Blog ](https://brightdata.es/blog "Blog") / [Procedimientos](https://brightdata.es/blog/procedimientos) [Procedimientos](https://brightdata.es/blog/procedimientos) # Guía sobre cómo realizar el parseo de XML en Python Aprenda a realizar el parseo de XML en Python utilizando bibliotecas como ElementTree, lxml y SAX para mejorar sus proyectos de procesamiento de datos. 2 min de lectura [ ![](https://media.brightdata.es/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.es/2024/05/How-to-parse-XML-in-Python.svg) El lenguaje de marcado extensible (XML) es un formato muy utilizado para almacenar e intercambiar datos estructurados. Los archivos XML se utilizan habitualmente para representar datos jerárquicos, como archivos de configuración, formatos de intercambio de datos, respuestas de servicios web y mapas de sitios web. [El parseo de](/blog/web-data/what-is-data-parsing) archivos XML en Python es una tarea habitual, especialmente para automatizar procesos manuales como el procesamiento de datos recuperados de API web o [el Scraping web](/blog/how-tos/what-is-web-scraping). En este artículo, aprenderás algunas de las bibliotecas que puedes utilizar para el parseo de XML en Python, incluyendo el [módulo`ElementTree`](https://docs.python.org/3/library/xml.etree.elementtree.html), [la 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) y [untangle](https://untangle.readthedocs.io/en/latest/). ## Conceptos clave de un archivo XML Antes de aprender a realizar el parseo de XML en Python, debes comprender qué es la definición de esquema XML (XSD) y qué elementos componen un archivo XML. Esta comprensión puede ayudarte a seleccionar la biblioteca Python adecuada para tu tarea de parseo. [XSD](https://en.wikipedia.org/wiki/XML_Schema_(W3C)) es una especificación de esquema que define la estructura, el contenido y los tipos de datos permitidos en un documento XML. Sirve como sintaxis para validar la estructura y el contenido de los archivos XML con respecto a un conjunto predefinido de reglas. Un archivo XML suele incluir los elementos `espacio de nombres`, `raíz`, `atributos`, `elementos` y `contenido de texto`, que en conjunto representan datos estructurados. - `Espacio de nombres` - `raíz` - `atributos` - `elementos` - `contenido de texto` Por ejemplo, el [mapa del sitio de Bright Data](/post-sitemap.xml) tiene la siguiente estructura XML: - **`urlset`** es el elemento `raíz`. - **`lxml [lxml](https://lxml.de/)es una API rápida, fácil de usar y con muchas funciones para el parseo de archivos XML en Python; sin embargo, no es una biblioteca precompilada en Python. Aunque algunas plataformas Linux y Mac ya tienen instalado el paquete lxml, otras plataformas necesitan una instalación manual. [`l`](https://lxml.de/installation.html#installation)xml se distribuye a través de[PyPI](https://pypi.org/)y se puede[instalar](https://lxml.de/installation.html#installation)utilizando el siguiente comando`pip`: ```none pip install lxml ``` Una vez instalada, puede utilizar`lxml`para realizar el parseo de archivos XML utilizando[varios](https://lxml.de/apidoc/lxml.html)métodos[API](https://lxml.de/apidoc/lxml.html), como`find()`,`findall()`,`findtext()`,`get()` y`get_element_by_id()`. Por ejemplo, puede utilizar el método`findall()`para iterar sobre los elementos`url`, encontrar sus elementos`loc`(que son elementos secundarios del elemento`url`) y, a continuación, imprimir el texto de la ubicación utilizando el siguiente 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) for url in 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() print(loc) else: print("No se pudo recuperar el archivo XML de la URL.") ``` La salida muestra todas las URL encontradas en el mapa del sitio: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Addressing la protección de marca desde todos los ángulos https://brightdata.com/case-studies/Taking control del estante digital con datos públicos en línea 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 ``` Hasta ahora, has aprendido a buscar elementos e imprimir su valor. Ahora, exploremos la validación del esquema antes del Parseo del XML. Este proceso garantiza que el archivo se ajuste a la estructura especificada definida por el esquema. El XSD para el mapa del sitio tiene este aspecto: ```none ``` Para utilizar el mapa del sitio para la validación del esquema, asegúrese de copiarlo manualmente y crear un archivo llamado `schema.xsd`. Para validar el archivo XML utilizando este XSD, utilice el siguiente 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("Schema Validation:") schema_doc = etree.parse("schema.xsd") schema = etree.XMLSchema(schema_doc) schema.assertValid(root) print("XML es válido según el esquema.") except etree.DocumentInvalid as e: print("Error de validación XML:", e) ``` Aquí, se realiza el parseo del archivo XSD utilizando el método[`etree.parse()`](https://lxml.de/tutorial.html#the-parse-function). A continuación, se crea un esquema XML utilizando el contenido del documento XSD analizado. Por último, se valida el documento raíz XML con respecto al esquema XML utilizando el método`assertValid()`. Si la validación del esquema se supera, la salida incluye un mensaje que dice algo así como`«XML válido según el esquema`». De lo contrario, se genera la excepción[`DocumentInvalid`](https://lxml.de/api/lxml.etree.DocumentInvalid-class.html). El resultado debería ser similar al siguiente: ```none Validación del esquema: El XML es válido según el esquema. ``` Ahora, leamos un archivo XML que utiliza el método `xpath` para buscar los elementos utilizando su ruta. Para leer los elementos utilizando el método `xpath()`, utilice el siguiente 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("Compatibilidad con 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()) ``` En este código, se registra el prefijo del espacio de nombres `ns` y se asigna al URI del espacio de nombres `http://www.sitemaps.org/schemas/sitemap/0.9`. En la expresión `XPath`, se utiliza el prefijo `ns` para especificar elementos en el espacio de nombres. Por último, la expresión `.//ns:url/ns:loc` selecciona todos los elementos `loc` que son hijos de elementos `url` en el espacio de nombres. El resultado será similar al siguiente: ```none Compatibilidad con XPath: https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Addressing la protección de marca desde todos los ángulos https://brightdata.com/case-studies/Taking control del estante digital con datos públicos en línea 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 puede ver, los métodos `find()` y `findall()` son más rápidos que el método `xpath`, ya que `este último` recopila todos los resultados en la memoria antes de devolverlos. Se recomienda utilizar el método `find()`, a menos que exista una razón específica para utilizar consultas `XPath`. lxml ofrece potentes funciones para el parseo y la manipulación de XML y HTML. Admite consultas complejas mediante[expresiones XPath](https://www.w3schools.com/xml/xpath_intro.asp), valida documentos con esquemas e incluso permite[transformaciones de lenguaje de hojas de estilo extensibles (XSLT)](https://www.w3schools.com/xml/xpath_intro.asp). Esto lo hace ideal para situaciones en las que el rendimiento y la funcionalidad avanzada son cruciales. Sin embargo, tenga en cuenta que lxml requiere una instalación independiente, ya que no forma parte del paquete básico de Python. Si se trabaja con datos XML grandes o complejos que requieren un alto rendimiento y una manipulación avanzada, se debe considerar el uso de lxml. Por ejemplo, si se procesan fuentes de datos financieros en formato XML, es posible que se necesite utilizar expresiones XPath para extraer elementos específicos, como los precios de las acciones, validar los datos con respecto a un esquema financiero para garantizar su precisión y, potencialmente, transformar los datos utilizando XSLT para su posterior análisis. ## minidom [`minidom`](https://docs.python.org/3/library/xml.dom.minidom.html)es una biblioteca de parseo XML ligera y sencilla que se incluye en la biblioteca estándar de Python. Aunque no es tan rica en funciones ni tan eficiente como el parseo con lxml, ofrece una forma sencilla de analizar y manipular datos XML en Python. Puede utilizar los distintos métodos disponibles en el objeto DOM para acceder a los elementos. Por ejemplo, puede utilizar el[método`getElementsByTagName()`](https://developer.mozilla.org/en-US/docs/Web/API/Document/getElementsByTagName)para recuperar el valor de un elemento utilizando su nombre de etiqueta. El siguiente ejemplo muestra cómo utilizar la biblioteca `minidom` para realizar el parseo de un archivo XML y recuperar los elementos utilizando sus nombres de etiqueta: ```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("Failed to retrieve XML file from the URL.") ``` El resultado sería similar a este: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Addressing la protección de marca desde todos los ángulos https://brightdata.com/case-studies/Taking control del estante digital con datos públicos en línea 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 ``` `minidom` trabaja con datos XML representándolos como un árbol DOM. Esta estructura de árbol facilita la navegación y la manipulación de datos, y es ideal para tareas básicas como leer, cambiar o crear estructuras XML sencillas. Si su programa implica leer la configuración predeterminada de un archivo XML, el enfoque DOM de `minidom` le permite acceder fácilmente a configuraciones específicas dentro del archivo XML utilizando métodos como la búsqueda de nodos secundarios o atributos. Con `minidom`, puede recuperar fácilmente configuraciones específicas del archivo XML, como el nodo `font-size`, y utilizar su valor dentro de su aplicación. ## Analizador SAX El[analizador SAX](https://docs.python.org/3/library/xml.sax.html)es un enfoque de parseo XML basado en eventos en Python que procesa documentos XML de forma secuencial y genera eventos a medida que encuentra diversas partes del documento. A diferencia de los analizadores basados en DOM, que construyen una estructura de árbol que representa todo el documento XML en la memoria, los analizadores SAX no crean una representación completa del documento. En su lugar, emiten eventos como etiquetas de inicio, etiquetas de fin y contenido de texto a medida que analizan el documento. Los analizadores SAX son adecuados para procesar archivos XML grandes o flujos en los que la eficiencia de la memoria es importante, ya que operan sobre los datos XML de forma incremental sin cargar todo el documento en la memoria. Al utilizar el analizador SAX, es necesario definir los controladores de eventos que responden a eventos XML específicos, como `startElement` y `endElement` emitidos por el analizador. Estos controladores de eventos se pueden personalizar para realizar acciones basadas en la estructura y el contenido del documento XML. El siguiente ejemplo muestra cómo realizar el parseo de un archivo XML utilizando el analizador SAX definiendo los eventos `startElement` y `endElement` y recuperando la información de la URL del archivo 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 nombre == "loc": self.in_loc = False url = "https://brightdata.com/post-sitemap.xml" respuesta = requests.get(url) si respuesta.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("Failed to retrieve XML file from the URL.") ``` El resultado sería similar a este: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Addressing la protección de marca desde todos los ángulos https://brightdata.com/case-studies/Taking control del estante digital con datos públicos en línea 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 ``` A diferencia de otros analizadores que cargan todo el archivo en la memoria, SAX procesa los archivos de forma incremental, lo que ahorra memoria y mejora el rendimiento. Sin embargo, SAX requiere escribir más código para gestionar cada segmento de datos de forma dinámica. Además, no puede volver a visitar y analizar partes específicas de los datos más adelante. Si necesita escanear un archivo XML grande (*por ejemplo,* un archivo de registro que contiene varios eventos) para extraer información específica (*por ejemplo,* mensajes de error), SAX puede ayudarle a navegar de manera eficiente por el archivo. Sin embargo, si su análisis requiere comprender las relaciones entre diferentes segmentos de datos, es posible que SAX no sea la mejor opción. ## untangle [untangle](https://untangle.readthedocs.io/en/latest/)es una biblioteca ligera de parseo de XML para Python que simplifica el proceso de extracción de datos de documentos XML. A diferencia de los analizadores XML tradicionales que requieren navegar por estructuras jerárquicas, untangle le permite acceder a los elementos y atributos XML directamente como objetos Python. Con untangle, puede convertir documentos XML en diccionarios Python anidados, donde los elementos XML se representan como claves de diccionario y sus atributos y contenido de texto se almacenan como valores correspondientes. Este enfoque facilita el acceso y la manipulación de datos XML utilizando estructuras de datos Python. untangle no está disponible de forma predeterminada en Python y debe instalarse utilizando el siguiente comando `PyPI`: ```none pip install untangle ``` El siguiente ejemplo muestra cómo realizar el parseo del archivo XML utilizando la biblioteca untangle y acceder a los 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("Failed to retrieve XML file from the URL.") ``` El resultado será similar al siguiente: ```none https://brightdata.com/case-studies/powerdrop-case-study https://brightdata.com/case-studies/Addressing la protección de marca desde todos los ángulos https://brightdata.com/case-studies/Taking control del estante digital con datos públicos en línea 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 ``` untangle ofrece un enfoque fácil de usar para trabajar con datos XML en Python. Simplifica el proceso de parseo con una sintaxis clara y convierte automáticamente la estructura XML en objetos Python fáciles de usar, lo que elimina la necesidad de técnicas de navegación complejas. Sin embargo, ten en cuenta que untangle requiere una instalación separada, ya que no forma parte del paquete principal de Python. Deberías considerar el uso de untangle si tienes un archivo XML bien formado y necesitas convertirlo rápidamente en objetos Python para su posterior procesamiento. Por ejemplo, si tienes un programa que descarga datos meteorológicos en formato XML, untangle podría ser una buena opción para realizar el parseo del XML y crear objetos Python que representen la temperatura, la humedad y la previsión meteorológica actuales. Estos objetos podrían manipularse y mostrarse fácilmente dentro de tu aplicación. ## Conclusión En este artículo, ha aprendido todo sobre los archivos XML y los distintos métodos de parseo en Python. Tanto si trabaja con pequeños archivos de configuración, realiza el parseo de grandes respuestas de servicios web o extrae datos de extensos mapas de sitios, Python ofrece bibliotecas versátiles para automatizar y optimizar sus tareas de parseo de XML. Sin embargo, al acceder a archivos desde la web utilizando la biblioteca de solicitudes sin gestión de Proxy, es posible que se encuentre con excepciones de cuota y problemas de limitación.[Bright Data](/)es una red de Proxy galardonada que proporciona[soluciones de Proxy](/solutions)fiables y eficientes para garantizar una recuperación y un parseo de datos sin problemas. Con Bright Data, puede abordar las tareas de parseo XML sin preocuparse por las limitaciones o las interrupciones. Contáctenos para obtener más información. ¿Quiere saltarse todo el proceso de scraping y Parseo? ¡Pruebe nuestro [mercado de conjuntos de datos](/products/datasets) de forma gratuita! Contactar ventasPrueba gratuita![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Tabla de Contenidos [ ](https://news.ycombinator.com/submitlink?t=Gu%C3%ADa+sobre+c%C3%B3mo+realizar+el+parseo+de+XML+en+Python&u=https://brightdata.es/blog/procedimientos/parsing-xml-in-python) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Gu%C3%ADa+sobre+c%C3%B3mo+realizar+el+parseo+de+XML+en+Python&url=https://brightdata.es/blog/procedimientos/parsing-xml-in-python) [ ](http://www.reddit.com/submit?title=Gu%C3%ADa+sobre+c%C3%B3mo+realizar+el+parseo+de+XML+en+Python&url=https://brightdata.es/blog/procedimientos/parsing-xml-in-python) ## Usted también puede estar interesado en [ ![Best HTML Parsing Libraries main blog image](https://media.brightdata.es/2024/03/Best-HTML-Parsing-Libraries.svg) ](https://brightdata.es/blog/datos-web/best-html-parsers "Las mejores bibliotecas de parseo HTML para el Scraping web") [Datos web ![Antonello Zanini](https://media.brightdata.es/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Las mejores bibliotecas de parseo HTML para el Scraping web Descubra los mejores analizadores HTML para el Scraping web y la extracción de datos, incluidos httpx, AIOHTTP y urllib. 24-Mar-2024 8 min de lectura ](https://brightdata.es/blog/datos-web/best-html-parsers) [ ![Guide to using cURL with Python](https://media.brightdata.es/2023/04/Guide-to-Using-cURL-with-Python.svg) ](https://brightdata.es/blog/procedimientos/curl-with-python "Guía para usar cURL con Python") [Procedimientos ![](https://media.brightdata.es/2023/04/Roel-Peters-50x50.png) Roel Peters ### Guía para usar cURL con Python En este artículo, aprenderá cómo Python y cURL pueden usarse juntos para automatizar peticiones GET, POST y PUT, y para descargar archivos y páginas web. 13-Apr-2023 14 min de lectura ](https://brightdata.es/blog/procedimientos/curl-with-python) [ ![](https://media.brightdata.es/2022/11/How-to-Scrape-with-Python.svg) ](https://brightdata.es/blog/procedimientos/web-scraping-with-python "Raspado web con Python – Guía paso a paso") [Procedimientos ![Antonello Zanini](https://media.brightdata.es/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Raspado web con Python – Guía paso a paso Aprenda a realizar raspado de datos con Python para recolectar datos de múltiples sitios web rápidamente, ahorrando tiempo y esfuerzo. 29-Nov-2022 23 min de lectura ](https://brightdata.es/blog/procedimientos/web-scraping-with-python)