Question

我有以下XML文档：

<x>
  <a>Some text</c>
  <b>Some text 2</b>
  <c>Some text 3</c>
</x>

我想获取所有标签的文字，因此我决定使用getiterator()。

我的问题是，由于我无法理解的原因，它会加上空行。考虑一下：

>>> for text in document_root.getiterator():
...     print text.text
... 


Some text
Some text 2
Some text 3

注意'Some text'之前的两个额外空白行。这是什么原因？如果我将标记传递给getiterator()方法，则应该没有空白行。

>>> for text in document_root.getiterator('a'):
...     print text.text
... 
Some text

所以我的问题是，如果我在没有标记的情况下通过getiterator()而导致这些额外的空白行是什么？如何删除它们？

Answer 1

默认情况下，lxml.etree会将标记之间的空文本视为该标记的文本内容，在您的情况下，显示的空白来自<x>。如果你想要一个忽略空格的解析器，你会想做类似的事情：

from lxml import etree

parser = etree.XMLParser(remove_blank_text=True)

tree = etree.XML("""\
    <x>
      <a>Some text</a>
      <b>Some text 2</b>
      <c>Some text 3</c>
    </x>
""", parser)

for node in tree.iter():
    if node.text == None: continue
    print node.text

注意如果根本没有文字，node.text将如何返回无。另请注意，the API documentation for lxml说明getiterator()已弃用iter()。

有关详细信息，请参阅The lxml.etree Tutorial: Parser objects。

Answer 2

虽然我不确定，我会假设它正在尝试阅读＆lt; x＆gt;。

无论如何，

出了什么问题

for text in document_root.getiterator():
    if text.strip() == '': continue
    print text

lxml getiterator（）的奇怪行为

2 个答案: