python - 解析内部为空元素的元素的文本

Question

我正在尝试使用 xml.etree 将使用大量表格的 XHTML 文档转换为 Python 中的语义 XML 文档。但是，我在转换此 XHTML 时遇到了一些问题

<TD>
  Textline1<BR/>
  Textline2<BR/>
  Textline3
</TD>

变成这样的事情

<lines>
  <line>Textline1</line>
  <line>Textline2</line>
  <line>Textline3</line>
</lines>

问题是我不知道如何获取 BR 元素后面的文本。

Answer 1

您需要使用
元素的 .tail 属性。

import xml.etree.ElementTree as et

doc = """<TD>
  Textline1<BR/>
  Textline2<BR/>
  Textline3
</TD>
"""

e = et.fromstring(doc)

items = []
for x in e.getiterator():
    if x.text is not None:
        items.append(x.text.strip())
    if x.tail is not None:
        items.append(x.tail.strip())

doc2 = et.Element("lines")
for i in items:
    l=et.SubElement(doc2, "line")
    l.text = i

print(et.tostring(doc2))