python - 如何迭代 ElementTree 中的子文本节点(不是后代)？

Question

给定一个这样的元素

<A>
    hello

    <annotation> NOT part of text </annotation>

    world
</A>

如何使用 ElementTree 获取子文本节点(如 XPath text())？

iter() 和 itertext() 都是树遍历器，其中包括所有后代节点。据我所知，没有直接子迭代器。另外，无论如何，iter() 只能查找元素(毕竟是ElementTree)，因此不能用于收集文本节点。

我知道有一个名为 lxml 的库，它提供了更好的 XPath 支持，但我在添加另一个依赖项之前在这里询问。 (另外，我对 Python 还很陌生，所以我可能会遗漏一些明显的东西。)

Answer 1

您发现示例文本的三个属性有些违反直觉:

• “你好”的文本
• annotation.text 表示“不是文本的一部分”
• “世界”的annotation.tail

(省略空格)。这有点麻烦。然而，沿着这些思路的一些东西应该会有所帮助:

 import xml.etree.ElementTree as et

 xml = """
 <A>
     hello

     <annotation> NOT part of text </annotation>

     world
 </A>"""


 doc = et.fromstring(xml)


 def all_texts(root):
     if root.text is not None:
         yield root.text
     for child in root:
         if child.tail is not None:
             yield child.tail


 print list(all_texts(doc))