Question

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。

Answer 1

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.

从xml文件中提取文本

1 个答案: