Python XML 解析器无法获取所有文本

Question

我有以下 XML 源。

<a>
  <b>
     first
  </b>
  second
</a>

我尝试用 python 解析它以获取文本并将整个文本组合成一个字符串，如 firstsecond 。为此我有以下脚本

import xml.etree.ElementTree as ET

top = ET.fromstring(myXml)
for a in top.iter('a'):
  s = ''
  if a.text:
    s += a.text
  else:
    for b in a.iter('b'):
      if b.text:
        s += b.text
  print s

但是脚本只打印第一个元素 first 。第二个似乎不知何故迷路了。当我在 <a></a> 中有两个字符串时它就起作用了或两者都在 <b></b> 。

<a>
  firstsecond
</a>

打印 firstsecond

<a>
  <b>
     first
  </b>
  <b>
     second
  </b>
</a>

打印 firstsecond

当第二个字符串位于同一个 <a></a> 时，我是否缺少一些东西来取出它？作为<b></b> ？或者这对 etree 来说是不可能的，我必须重新打包它？ XML 已给出，因此我无法更改源。

感谢您的帮助。

Answer 1

b.tail 将在第一个示例中包含 second 。结束标记之后的文本在 ElementTree 中被视为 tail。实际上它也会包含空格，并且更像 \n secondary\n。

考虑一个格式良好的 XML 数据 block :

<a>
  <b>first</b>
  <b>second</b>
</a>

在这里，您将在 b.text 中获得数据字段，并在 tail 中获得空白格式，这些很容易被忽略。