如何解决如何使用python的lxml.etree库从xml标记的所有嵌套标记中获取所有字符串?
| 我有一个xml文件,其中可能发生以下情况:...
<a><b>This is</b> some text about <c>some</c> issue I have,parsing xml</a>
...
编辑:让我们假设,标签的嵌套程度可能不止级别,这意味着
<a><b><c>...</c>...</b>...</a>
我使用python lxml.etree库提出了这一点。
context = etree.iterparse(PATH_TO_XML,dtd_validation=True,events=(\"end\",))
for event,element in context:
tag = element.tag
if tag == \"a\":
print element.text # is empty :/
mystring = element.xpath(\"string()\")
...
但是以某种方式出现了问题。
我想要的是整个字符串
\"This is some text about some issue I have,parsing xml\"
但是我只得到一个空字符串。有什么建议么?谢谢!
解决方法
这个问题已经问了很多遍了。
您可以使用
lxml.html.text_content()
方法。
import lxml.html
t = lxml.html.fromstring(\"...\")
t.text_content()
REF:过滤掉HTML标记并解析python中的实体
或使用lxml.etree.strip_tags()
方法。
参考:在lxml中,如何删除标签但保留所有内容?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。