假設我有下面的XML文檔：遍歷文本和元素LXML etree
<species>
Mammals: <dog/> <cat/>
Reptiles: <snake/> <turtle/>
Birds: <seagull/> <owl/>
</species>
然後我得到了species元素是這樣的：
import lxml.etree
doc = lxml.etree.fromstring(xml)
species = doc.xpath('/species')[0]
現在我想打印按物種分組的動物列表。我怎麼能使用ElementTree API來做到這一點？
如果你列舉的所有節點，你會看到與類接着元素節點與種文本節點：
>>> for node in species.xpath("child::node()"):
... print type(node), node
...
<class 'lxml.etree._ElementStringResult'>
Mammals:
<type 'lxml.etree._Element'> <Element dog at 0xe0b3c0>
<class 'lxml.etree._ElementStringResult'>
<type 'lxml.etree._Element'> <Element cat at 0xe0b410>
<class 'lxml.etree._ElementStringResult'>
Reptiles:
<type 'lxml.etree._Element'> <Element snake at 0xe0b460>
<class 'lxml.etree._ElementStringResult'>
<type 'lxml.etree._Element'> <Element turtle at 0xe0b4b0>
<class 'lxml.etree._ElementStringResult'>
Birds:
<type 'lxml.etree._Element'> <Element seagull at 0xe0b500>
<class 'lxml.etree._ElementStringResult'>
<type 'lxml.etree._Element'> <Element owl at 0xe0b550>
<class 'lxml.etree._ElementStringResult'>
所以你可以從那裏建造它：
my_species = {}
current_class = None
for node in species.xpath("child::node()"):
if isinstance(node, lxml.etree._ElementStringResult):
text = node.strip(' \n\t:')
if text:
current_class = my_species.setdefault(text, [])
elif isinstance(node, lxml.etree._Element):
if current_class is not None:
current_class.append(node.tag)
print my_species
結果
{'Mammals': ['dog', 'cat'], 'Reptiles': ['snake', 'turtle'], 'Birds': ['seagull', 'owl']}
這是文本節點是如何排列的所有脆弱...小的變化可以搞砸解析。
通過@tdelaney答案基本上是正確的，但我要指出的Python元素樹API的一個細微差別。下面是從the lxml tutorial報價：
元素可以包含文本：
<root>TEXT</root>在許多XML文檔（數據爲中心的文檔），這是文本的地方可以找到的唯一地方。它由葉子標籤封裝在樹層次結構的最底部。
但是，如果用於標記的文本文件，如（X）HTML XML，文本，也可能出現不同元素之間，就在樹的中間：
<html><body>Hello<br/>World</body></html>這裏，
<br/>標籤包圍文本。這通常被稱爲文檔樣式或混合內容XML。元素通過它們的tail屬性支持這一點。它包含直接跟隨元素的文本，直到XML樹中的下一個元素。這兩個屬性
text和tail足以表示XML文檔中的任何文本內容。這樣，ElementTree API 除Element元素類之外不需要任何特殊的文本節點，這些節點往往會相當頻繁地進行（正如您從傳統DOM API中所瞭解的那樣）。
考慮這些特性考慮在內，可以不強制樹輸出的文本節點檢索文檔中的文本。
#!/usr/bin/env python3.3
import itertools
from pprint import pprint
try:
from lxml import etree
except ImportError:
from xml.etree import cElementTree as etree
def textAndElement(node):
'''In py33+ recursive generators are easy'''
yield node
text = node.text.strip() if node.text else None
if text:
yield text
for child in node:
yield from textAndElement(child)
tail = node.tail.strip() if node.tail else None
if tail:
yield tail
if __name__ == '__main__':
xml = '''
<species>
Mammals: <dog/> <cat/>
Reptiles: <snake/> <turtle/>
Birds: <seagull/> <owl/>
</species>
'''
doc = etree.fromstring(xml)
pprint(list(textAndElement(doc)))
#[<Element species at 0x7f2c538727d0>,
#'Mammals:',
#<Element dog at 0x7f2c538728c0>,
#<Element cat at 0x7f2c53872910>,
#'Reptiles:',
#<Element snake at 0x7f2c53872960>,
#<Element turtle at 0x7f2c538729b0>,
#'Birds:',
#<Element seagull at 0x7f2c53872a00>,
#<Element owl at 0x7f2c53872a50>]
gen = textAndElement(doc)
next(gen) # skip root
groups = []
for _, g in itertools.groupby(gen, type):
groups.append(tuple(g))
pprint(dict(zip(*[iter(groups)] * 2)))
#{('Birds:',): (<Element seagull at 0x7fc37f38aaa0>,
# <Element owl at 0x7fc37f38a820>),
#('Mammals:',): (<Element dog at 0x7fc37f38a960>,
# <Element cat at 0x7fc37f38a9b0>),
#('Reptiles:',): (<Element snake at 0x7fc37f38aa00>,
# <Element turtle at 0x7fc37f38aa50>)}
如果你看看你的權利...它看起來像第4個下相關應該指向你在正確的方向... –
你有控制的XML格式？通常，分類器（如Mammals等）表示爲xml元素名稱或屬性（例如），以便xpath選擇器很容易編寫。 –
tdelaney
不，我不能更改XML。 – Alicia