python - 检测元素的直接同级元素是文本还是 lxml 中的另一个元素

Question

我正在使用 lxml 库和 Python 2.7 来解析 xml 文件。我需要检测兄弟元素之间是否没有任何文本。例如在以下 xml 部分中:

<cross-ref> [t1] </cross-ref> ***some text*** <cross-ref> [t2] </cross-ref>  
<cross-ref> [t3] </cross-ref><cross-ref> [t4] </cross-ref>

说我检测带有交叉引用标签的所有元素，我需要一种仅检测第二行上的交叉引用元素的方法，其中第二个元素位于第一个元素之后，并且它们之间没有文本。所以我猜想需要以下 for 循环，但显然这段代码会打印 [t1] 和 [t3]

for c in cross_refs:
  # detect ***some text*** or do something else here
  if c.getnext().tag == "cross-ref":
     print c.text

我需要修改它，以便输出仅为 [t3]。

Answer 1

答案中的三重嵌套 if 也可以用 XPath 表示，如下所示:

following-sibling::node()[1][self::cross-ref]

简而言之，仅当 XPath 是 cross-ref 元素时，XPath 才会返回最近的同级节点。请注意，这里的节点表示文本节点或元素节点。 XPath 可以按如下方式使用:

for c in cross_refs:
    if c.xpath('boolean(following-sibling::node()[1][self::cross-ref])'):
        print c.text

或者，如果您愿意，您可以首先只获取与此条件匹配的 cross-ref 元素:

cross_refs = tree.xpath('//cross-ref[following-sibling::node()[1][self::cross-ref]]')
for c in cross_refs:
    print c.text