python - 删除一个元素，但不删除其后的文本

Question

我有一个 XML类似这样的文件:

<root>
<a>Some <b>bad</b> text <i>that</i> I <u>do <i>not</i></u> want to keep.</a>
</root>

我想删除 <b> 中的所有文本或 <u>元素(和后代)，并打印其余部分。这是我尝试过的:

from __future__ import print_function
import xml.etree.ElementTree as ET

tree = ET.parse('a.xml')
root = tree.getroot()

parent_map = {c:p for p in root.iter() for c in p}

for item in root.findall('.//b'):
  parent_map[item].remove(item)
for item in root.findall('.//u'):
  parent_map[item].remove(item)
print(''.join(root.itertext()).strip())

(我使用 this answer 中的配方构建了 parent_map )。当然，问题在于 remove(item)我还删除了元素后面的文本，结果是:

Some that I

而我想要的是:

Some  text that I  want to keep.

有什么解决办法吗？

Answer 1

如果你最终不会使用更好的东西，你可以使用 clear() 而不是 remove() 保留元素的尾部:

import xml.etree.ElementTree as ET


data = """<root>
<a>Some <b>bad</b> text <i>that</i> I <u>do <i>not</i></u> want to keep.</a>
</root>"""

tree = ET.fromstring(data)
a = tree.find('a')
for element in a:
    if element.tag in ('b', 'u'):
        tail = element.tail
        element.clear()
        element.tail = tail

print ET.tostring(tree)

打印(见空的 b 和 u 标签):

<root>
<a>Some <b /> text <i>that</i> I <u /> want to keep.</a>
</root>

此外，这是一个使用 xml.dom.minodom 的解决方案:

import xml.dom.minidom

data = """<root>
<a>Some <b>bad</b> text <i>that</i> I <u>do <i>not</i></u> want to keep.</a>
</root>"""

dom = xml.dom.minidom.parseString(data)
a = dom.getElementsByTagName('a')[0]
for child in a.childNodes:
    if getattr(child, 'tagName', '') in ('u', 'b'):
        a.removeChild(child)

print dom.toxml()

打印:

<?xml version="1.0" ?><root>
<a>Some  text <i>that</i> I  want to keep.</a>
</root>