python - 使用 minidom 从 XML 节点中提取文本

Question

我浏览了几篇文章，但没有找到任何解决我问题的答案。

示例 XML =

<TextWithNodes>
<Node id="0"/>TEXT1<Node id="19"/>TEXT2 <Node id="20"/>TEXT3<Node id="212"/>
</TextWithNodes>

所以我知道通常如果我将 TextWithNodes 提取为 NodeList 我会做类似的事情

nodeList = TextWithNodes[0].getElementsByTagName('Node')
for a in nodeList:
    node = a.nodeValue
    print node

我得到的只是无。我读到你必须写 a.childNodes.nodeValue 但节点列表中没有子节点，因为它看起来像所有 Node ID 都是结束标签？如果我使用 a.childNodes，我会得到 []。

当我得到 a 的节点类型时，它是类型 1 和 TEXT_NODE = 3。我不确定这是否有用。

我想提取TEXT1、TEXT2等

Answer 1

来自文档的lxml解决方案:

from lxml import etree
from StringIO import StringIO

xml = etree.parse(StringIO('''<TextWithNodes>
<Node id="0"/>TEXT1<Node id="19"/>TEXT2 <Node id="20"/>TEXT3<Node id="212"/></TextWithNodes>'''))

xml.xpath("//text()")
Out[43]: ['\n', 'TEXT1', 'TEXT2 ', 'TEXT3']

您还可以提取特定节点的文本:

xml.find(".//Node[@id='19']").text

这里的问题是 XML 中的文本不属于任何节点。