从XML文件中提取文本

时间:2018-06-26 19:09:20

标签: python xml parsing xml-parsing

我正在尝试使用Python脚本从XML文件中提取数据,但我无法将其深入到足够的深度。例如,我成功提取了“更新”和“已发布”类别,但未提取其他类别。我对提取alt1和alt2特别感兴趣。

这是xml文件的结构:

<td><span id="A${i}" class="${question.questionId}" onclick="onSelect(event)">${question.options[0]}${question.option_text[0]}</span></td>

这是我到目前为止所尝试的:

   <?xml version='1.0' encoding='UTF-8'?>
    <entry xmlns="http://www.w3.org/2005/Atom" xmlns:as="http://atomserver.org/namespaces/1.0/">
        <id>/electron/atom/v1/domesday/dblocks-CI-52-54/CI-522000-5473000.xml</id>
        <as:revision>0</as:revision>
        <updated>2011-04-29T11:40:19.000Z</updated>
        <published>2011-04-29T11:40:19.000Z</published>
        <content type="application/xml">
            <block xmlns="">
                <alt1>Some text</alt1>
                <alt2>Some other thext</alt2>
            </block>
        </content>
    </entry>

它打印

import xml.etree.ElementTree as ET
tree = ET.parse(filename)
root = tree.getroot()
alt1elt = root.findtext('content/dblock/alt1')
alt2elt = root.findtext('content/dblock/alt2')
print(alt1elt)
print(alt2elt)

,而不是我要获取的两个字符串。你有什么办法解决这个问题吗?

1 个答案:

答案 0 :(得分:0)

from xml.dom import minidom

doc = minidom.parse("yourxmlfile.xml")

print(doc.getElementsByTagName("alt1")[0].firstChild.data)
print(doc.getElementsByTagName("alt2")[0].firstChild.data)

使用minidom提取数据的示例。