我正在尝试从XML文件中提取文本,但我没有得到我期望的结果。
这是我试图解析的XML片段,用于说明我的问题:
<texto_Quijote_I>
<bloque nombre="prologo">
<autor>
Desocupado lector: sin juramento me podrás creer que quisiera que este;
como será poner, tratando de libertad y cautiverio:
<cita_latin> Non bene pro toto libertas venditur auro.</cita_latin>
Y luego, en el margen, citar a Horacio, o a quien lo dijo. Si tratáredes
del poder de la muerte, acudir luego con:
<cita_latin>
Pallida mors aequo pulsat pede pauperum tabernas,
Regumque turres.
</cita_latin>
Si de la amistad y amor que Dios manda que se tenga al enemigo, entraros
luego al punto por la Escritura Divina, que lo podéis hacer con tantico de
curiosidad, y decir las palabras, por lo menos, del mismo Dios:
<cita_latin>Ego autem dico vobis: diligite inimicos vestros</cita_latin>.
Si tratáredes de malos pensamientos,
acudid con el Evangelio:
<cita_latin>De corde exeunt cogitationes malae</cita_latin>.
Si de la instabilidad de los amigos, ahí está Catón, que os dará su dístico:
<cita_latin>
Donec eris felix, multos numerabis amicos,
tempora si fuerint nubila, solus eris.
</cita_latin>
Y con estos latinicos y otros tales os tendrán siquiera por gramático, que
Y con esto, Dios te dé salud, y a mí no olvide. Vale.
</autor>
</bloque>
</texto_Quijote_I>
我试图提取某些标签之间的所有文字。例如,为了获得<autor>..</autor>
标签之间的所有文本,我试图这样做:
import xml.etree.ElementTree as ET
tree = ET.parse("file.xml")
root = tree.getroot()
text = ""
for n in root.findall(".//autor"):
text += n.text
但是当我检查字符串时,我只能得到:
"Desocupado lector: sin juramento me podrás creer que quisiera que este;
como será poner, tratando de libertad y cautiverio:"
它应该如何运作?我希望得到<autor>
和</autor>
之间的所有文字。
答案 0 :(得分:0)
你必须向孩子们进行迭代,并从那里收集文本。
另外,我利用&#34; tail&#34;因为它捕获标签之间的信息。引自文档:
如果元素是从XML文件创建的,则text属性成立 元素的开始标记与其第一个子标记之间的文本 结束标记或无, tail属性包含文本之间的文本 元素的结束标记和下一个标记,或无。
tree = ET.parse("file.xml")
root = tree.getroot()
text = ""
for n in root.findall(".//autor"):
text += n.text
text += n.tail
for x in n:
text += x.text
text += x.tail
print text
结果
Desocupado lector: sin juramento me podrás creer que quisiera que este;
como será poner, tratando de libertad y cautiverio:
Non bene pro toto libertas venditur auro.
Y luego, en el margen, citar a Horacio, o a quien lo dijo. Si tratáredes
del poder de la muerte, acudir luego con:
Pallida mors aequo pulsat pede pauperum tabernas,
Regumque turres.
Si de la amistad y amor que Dios manda que se tenga al enemigo, entraros
luego al punto por la Escritura Divina, que lo podéis hacer con tantico de
curiosidad, y decir las palabras, por lo menos, del mismo Dios:
Ego autem dico vobis: diligite inimicos vestros.
Si tratáredes de malos pensamientos,
acudid con el Evangelio:
De corde exeunt cogitationes malae.
Si de la instabilidad de los amigos, ahí está Catón, que os dará su dístico:
Donec eris felix, multos numerabis amicos,
tempora si fuerint nubila, solus eris.
Y con estos latinicos y otros tales os tendrán siquiera por gramático, que
Y con esto, Dios te dé salud, y a mí no olvide. Vale.