Question

我有一个XML文件，如下所示：

<tag1>
    <tag2>
        I am too good <italic>to be true</italic>
    </tag2>
</tag1>

现在，当我想在“tag2”标签中提取数据时，假设XML文件被读入“XML_data”变量：

XML_data.getElementsByTagName('tag1')[0].getElementsByTagName('tag2')[0].childNodes[0].data
evaluates to "I am too good"
and 
XML_data.getElementsByTagName('tag1')[0].getElementsByTagName('tag2')[0].getElementsByTagName('italic')[0].childNodes[0].data
evaluates to "to be true"

我想要的是能够通过忽略斜体标签来提取tag2中的整个块。即，我希望我的出局是

"I am too good <italic>to be true</italic>"

我该怎么做？请帮忙。

Answer 1

最后使用了ElementTree

import xml.etree.ElementTree as ET
import re

def extractTextFromElement(elementName, stringofxml):
    tree = ET.fromstring(stringofxml)
    for child in tree.getiterator():
        if child.tag == elementName:
            len = ET.tostring(child)
            return re.sub(r'<.*?>', '', len)


usage: extractTextFromElement('tag2', XML_data)

Python minidom XML解析器 - 忽略子标签

1 个答案: