條件遍歷所有W¯¯，R兄妹

Question

I have the following piece of xml: 
     <w:p> 
      <w:r> 
       <w:rPr> 
        <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/> 
        <w:sz w:val="24"/> 
        <w:szCs w:val="24"/> 
        <w:lang w:val="en-US"/> 
       </w:rPr> 
       <w:fldChar w:fldCharType="begin"/> 
      </w:r> 
      <w:r> 
       <w:rPr> 
        <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/> 
        <w:sz w:val="24"/> 
        <w:szCs w:val="24"/> 
        <w:lang w:val="en-US"/> 
       </w:rPr> 
       <w:instrText xml:space="preserve"> ADDIN EN.CITE &lt;EndNote&gt;&lt;Cite&gt;&lt;Author&gt;Su&lt;/Author&gt;&lt;Year&gt;2010&lt;/Year&gt;&lt;RecNum&gt;130&lt;/RecNum&gt;toethanol/metabolism&lt;/keyword&gt;&lt;keyword&gt;Molecular Sequence Data&lt;/keyword&gt;&lt;keyword&gt;Mutagenesis, Insertional&lt;/keyword&gt;&lt;keyword&gt;Sequence Alignment&lt;/keyword&gt;&lt;keyword&gt;/genetics/*metabolism&lt;/keyword&gt;&lt;/keywords&gt;&lt;dates&gt;&lt/EndNote&gt;</w:instrText> 
      </w:r> 
      <w:r> 
       <w:rPr> 
        <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/> 
        <w:sz w:val="24"/> 
        <w:szCs w:val="24"/> 
        <w:lang w:val="en-US"/> 
       </w:rPr> 
       <w:fldChar w:fldCharType="separate"/> 
      </w:r> 
      <w:r> 
       <w:rPr> 
        <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/> 
        <w:sz w:val="24"/> 
        <w:szCs w:val="24"/> 
        <w:lang w:val="en-US"/> 
       </w:rPr> 
       <w:t>(ABCD et al. 2006)</w:t> 
      </w:r> 
      <w:r> 
       <w:rPr> 
        <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/> 
        <w:sz w:val="24"/> 
        <w:szCs w:val="24"/> 
        <w:lang w:val="en-US"/> 
       </w:rPr> 
       <w:fldChar w:fldCharType="end"/> 
      </w:r> 
     </w:p> 

我想要做的是，搜索w:fldChar與價值"begin"，如果發現，將一個等級可達w:r和搜索w:instrText其中應包含文本「ADDIN EN.CITE」和如果這樣做，去一個級別爲w：再次R和提取包含在後面接下來的w:t標籤的文本..

我嘗試以下，但它產生了什麼：

text = "" 
w = 'http://schemas.openxmlformats.org/wordprocessingml/2006/main' 
for p in source.xpath('.//w:p',namespaces={'w':w}): 
     text+= " " 
     for q in p.xpath('.//w:fldChar[@w:fldCharType="begin"]',namespaces={'w':w}): #search for w:fldchar 
      for t in q.xpath('/../..//w:instrText[contains(text(),"ADDIN EN.CITE")]/..//w:r',namespaces={'w':w}): #check for addin en cite 
       for r in t.itersiblings(tag = '{'+w+'}r'): #iterate over siblings of w:r 
        if r.xpath('.//w:t',namespaces={'w':w}): #if w:t in the sibling , extract text and break.. 
         text+= r.text 
         break 

我會出錯？問題似乎與q.xpath聲明..

Answer 1

這不是很難，但需要一些研究。經過搜索後，我可以使用以下方式提取文本：

w = 'http://schemas.openxmlformats.org/wordprocessingml/2006/main' 
for p in source.xpath('.//w:p//w:instrText[contains(text(),"ADDIN EN.CITE")]',namespaces={'w':w}): 
    text+= " " 
    for q in p.xpath('../following-sibling::w:r//w:t',namespaces = {'w':w}): 
     text+= q.text 
     break 

這很好。在兄弟之後迭代遍歷同一級別的各種運行實例。由於文本包含在第四次運行實例中，所以一旦我得到文本，我就會跳出循環。

Answer 2

一方面，XPath表達式中

for t in q.xpath('/../..//w:instrText...'...) 

沒有意義。初始的/表示「從根節點開始」（即最外層元素的父節點）。以下步驟..意味着「上下文節點的父節點」。但根節點沒有父節點。所以這個表達式不會選擇什麼（實際上，XPath 1.0中，/..作爲指定空節點集的便捷方式。）

相反，你可能想

for t in q.xpath('../..//w:instrText...'...) 

它首先考慮上下文節點的父（值爲t）。

因此，這將解決一個致命的問題。我不確定您的XPath是否正確，否則，因爲在描述他們應該做的事情時遇到困難。