python - Python/ElementTree：解析内联元素与周围文本有关吗？

Question

我需要解析一些包含内联元素的 XML。例如，XML 看起来像这样：

<section> Fubar, I'm so fubar, fubar and even more <fref bar="baz">fubare</fref>. And yet more fubar. </section>

如果我现在迭代这个结构，for elem in list(parent): ...我只能访问 fref。如果我现在处理 fref，周围的文本当然会丢失，因为文本不是真正的元素。

有人知道正确解决此问题的方法吗？

Answer 1

下面展示了如何使用lxml.

>>> from lxml.etree import fromstring
>>> tree = fromstring('''<section> Fubar, I'm so fubar, fubar and even more <fref bar="baz">fubare</fref>. And yet more fubar. </section>''')
>>> elem = tree.xpath('/section/fref')[0]
>>> elem.text
'fubare'
>>> elem.tail
'. And yet more fubar. '
>>> elem.getparent().text
" Fubar, I'm so fubar, fubar and even more "

从lxml.etree 教程：

如果您只想读取文本，即没有任何中间标签，您必须以正确的顺序递归连接所有文本和尾部属性。再次， tostring() 函数来救援，这次使用 method 关键字：

>>> from lxml.etree import tostring
>>> tostring(html, method="text")
" Fubar, I'm so fubar, fubar and even more fubare. And yet more fubar. "

还有一种 XPath 方法可以做到这一点，它在链接页面中进行了描述。