lxml Xml解析

Question

<xml>
<maintag>    
<content> lorem ipsum <strong> dolor sit </strong> and so on </content>
</maintag>
</xml>

我经常解析的xml文件可能在内容标签中有标记，如上面所示。

在这里，我如何解析文件：

parser = etree.XMLParser(remove_blank_text=False)
tree = etree.parse(StringIO(xmlFile), parser)
for item in tree.iter('maintag'):
  my_content = item.find('content').text
  #print my_content
  #output: lorem ipsum

因此，结果是my_content = 'lorem‘，而不是我想看到的-which -’，等等。‘

我怎样才能把内容读成“lorem ipsum dolor”等等？

注意:内容标签可能有另一个标签，而不是强标记。可能根本就没有它们。

Answer 1

属性仅返回第一个子元素之前的文本。

尝试以下几个方面：

>>> from lxml import etree
>>> from StringIO import StringIO
>>> xmlFile = '''
... <xml>
... <maintag>
... <content> lorem ipsum <strong> dolor sit </strong> and so on </content>
... </maintag>
... </xml>
... '''
>>> parser = etree.XMLParser(remove_blank_text=False)
>>> tree = etree.parse(StringIO(xmlFile), parser)
>>> for my_content in tree.xpath('maintag/content//text()'):
...       print my_content
...
 lorem ipsum
 dolor sit
 and so on

或者：

>>> for my_content in tree.find('maintag/content').itertext():
...     print my_content
...
 lorem ipsum
 dolor sit
 and so on


>>> ' '.join(tree.find('maintag/content').itertext())
' lorem ipsum   dolor sit   and so on '
>>> ' '.join(t.strip() for t in tree.find('maintag/content').itertext())
'lorem ipsum dolor sit and so on'