在lxml的iterparse中有多个标记名？

Question

有没有办法从lxml的lxml.etree.iterparse中获取多个标记名？我有一个类似文件的对象，它有一个昂贵的读取操作和许多标记，所以获取所有标记或执行两次遍历并不是最优的。

编辑:它类似于Beautiful Soup的find(['tag-1', 'tag-2])，除了作为iterparse的一个参数。想象一下同时为<td>和<div>标记解析HTML页面的情形。

Answer 1

我知道我来晚了，但也许其他人在同样的问题上需要帮助。此代码将为Tag1和Tag2标记生成事件：

etree.iterparse(io.BytesIO(xml), events=('end',), tag=('Tag1', 'Tag2'))

Answer 2

我不是百分之百确定你这里所说的“获取所有标签”是什么意思，但也许这就是你正在寻找的：

for event, elem in iterparse(file_like_object):
    if elem.tag == 'td' or elem.tag == 'div':
        # reached the end of an interesting tag
        print 'found:', elem.tag
        # possibly quit early to prevent further parsing
        if exit_condition: break

iterparse在解析过程中动态生成事件，因此您只能读取所需的数据。但是，您无法在解析过程中跳过读取元素，因为您不知道跳过多远。在上面的例子中，我们忽略了我们不感兴趣的标签。

您可能已经知道:不要对html使用xml解析器。lxml编辑-事实证明，lxml支持解析，但您应该查看文档以了解到何种程度。