Question

我是xml数据处理的新手。我想在以下xml文件中提取文本数据：

<data>
    <p>12345<strong>45667</strong>abcde</p>
</data>

这样预期的结果是： ['12345','45667', 'abcde']目前我已尝试过：

tree = ET.parse('data.xml')
data = tree.getiterator()
text = [data[i].text for i in range(0, len(data))]

但结果只显示['12345','45667']。 'abcde'遗失了。有人能帮我吗？提前谢谢！

Answer 1

尝试使用xpath和lxml：

执行此操作

import lxml.etree as etree

string = '''
<data>
    <p>12345<strong>45667</strong>abcde</p>
</data>
'''

tree = etree.fromstring(string)

print(tree.xpath('//p//text()'))

Xpath表达式意味着：＆＃34;选择所有 p 元素，其中包含 text 递归＆＃34;

输出：

['12345', '45667', 'abcde']

Answer 2

getiterator()（或者它的替换iter()）迭代子标记/元素，而abcde是文本节点，tail itertext() 1}}标签。

您可以使用{{3}}方法：

strong

打印：

import xml.etree.ElementTree as ET

tree = ET.parse('test.xml')
print list(tree.find('p').itertext())

使用python从xml数据中提取所有文本

2 个答案:

输出：