Question

之前我没有使用过XML，但是从使用以下XML获取文本时遇到了问题：

<w>
  <shortening>n</shortening>
  ūmi 
  <mor type="mor">
    <mw>
      [extra stuff]
    </mw>
    <menx>rest</menx>
    <menx>sleep</menx>
    <gra type="gra" relation="ROOT" head="0" index="1"/>
  </mor>
</w>

与Element.text标记对应的w属性内部没有文本ūmi，而是None。我认为这是因为它前面有<shortening>标记。这不应该是一个Unicode问题，因为有很多其他Unicode字符读得很好（这是音译希伯来文）。

有没有一种简单的方法可以解决这个问题？这是格式错误的XML吗？

Answer 1

那是因为该文本本身不属于任何节点。它是之前标记的 tail 属性的文本，您可以使用缩短节点访问它，请参阅：

import xml.etree.ElementTree as ET
from StringIO import StringIO

s = '''<w>
  <shortening>n</shortening>
  ūmi 
  <mor type="mor">
    <mw>
      [extra stuff]
    </mw>
    <menx>rest</menx>
    <menx>sleep</menx>
    <gra type="gra" relation="ROOT" head="0" index="1"/>
  </mor>
</w>'''

tree = ET.parse(StringIO(s))
root = tree.getroot()

for i in root.iter('shortening'):
    print i.tail

结果：

  ūmi

Python（xml.etree）不读取XML文本

1 个答案: