Python/ElementTree：解析內聯元素與尊重周圍文本？

Question

我需要解析一些包含內嵌元素的XML。該XML的外觀，例如，像這樣：

<section> Fubar, I'm so fubar, fubar and even more <fref bar="baz">fubare</fref>. And yet more fubar. </section>

如果我現在遍歷這個結構for elem in list(parent): ...我只可以訪問FREF。如果我現在處理fref，那麼周圍的文本當然會丟失，因爲文本不是真正的元素。

有沒有人知道正確解決這個問題的方法？

Answer 1

以下顯示如何使用lxml實現此目的。

>>> from lxml.etree import fromstring 
>>> tree = fromstring('''<section> Fubar, I'm so fubar, fubar and even more <fref bar="baz">fubare</fref>. And yet more fubar. </section>''') 
>>> elem = tree.xpath('/section/fref')[0] 
>>> elem.text 
'fubare' 
>>> elem.tail 
'. And yet more fubar. ' 
>>> elem.getparent().text 
" Fubar, I'm so fubar, fubar and even more " 

從lxml.etreetutorial：

如果你想讀的只有文字，即沒有任何中間的標籤， 你必須遞歸串聯所有文字和尾部 正確的順序屬性。同樣情況下，toString（）函數使用方法關鍵字來救援， 這個時候：

>>> from lxml.etree import tostring 
>>> tostring(html, method="text") 
" Fubar, I'm so fubar, fubar and even more fubare. And yet more fubar. " 

還有一個XPath的方式來做到這一點，在鏈接頁面的描述。