XML a Dataclass Python

La generación de clases Python desde XML analiza un documento XML y produce definiciones de dataclass que coinciden con su estructura de elementos y atributos. Las clases generadas ofrecen una forma tipada y compatible con el IDE de acceder a datos XML después de analizar con ElementTree o lxml.

ElementTree (de la biblioteca estándar) es mejor para el análisis de documentos sencillos sin dependencias. lxml es más rápido, admite XPath completamente y gestiona bien documentos grandes; úsalo en código de producción. BeautifulSoup está diseñado para scraping de HTML (analizador leniente) y es una mala elección para XML estricto.

ElementTree usa la notación Clark para etiquetas con espacio de nombres: {http://namespace.uri}nombreLocal. Accede a los elementos con find("{ns}nombreEtiqueta") o pasa un dict de espacio de nombres a findall(). Usa ElementTree.register_namespace() para mostrar prefijos legibles. Los dataclasses generados eliminan los espacios de nombres; añádelos en tu código de análisis.

element.attrib devuelve un dict de todos los atributos: element.attrib["id"] o element.get("id", predeterminado). En el dataclass generado, los atributos se convierten en campos anotados con un comentario. En tu código de análisis: obj.id = element.get("id") para hidratar el dataclass a partir del elemento analizado.

Sí: import xmltodict; data = xmltodict.parse(xml_string). El resultado es un OrderedDict que refleja la estructura XML. Los atributos tienen el prefijo @, el contenido de texto usa #text. Para scripts sencillos, es el enfoque más rápido. Para código tipado y mantenible, genera dataclasses a partir del esquema y analiza explícitamente.