我正在尝试使用 lxml 来获取格式化为的标签数组
<TEXT1>TEXT</TEXT1>
<TEXT2>TEXT</TEXT2>
<TEXT3>TEXT</TEXT3>
我尝试过使用
xml_file.findall("TEXT*")
但这会搜索文字星号。
我也尝试过使用 ETXPath，但它似乎不起作用。 是否有任何 API 函数可以使用它，因为假设 TEXT 由整数附加并不是最漂亮的解决方案。
【问题讨论】：
是的，您可以使用regular expressions in lxml xpath。
这是一个例子：
results = root.xpath(
"//*[re:test(local-name(), '^TEXT.*')]",
namespaces={'re': "http://exslt.org/regular-expressions"})
当然，在您提到的示例中，您实际上并不需要正则表达式。你可以使用starts-with() xpath 函数：
results = root.xpath("//*[starts-with(local-name(), 'TEXT')]")
完整的程序：
from lxml import etree
root = etree.XML('''
<root>
<TEXT1>one</TEXT1>
<TEXT2>two</TEXT2>
<TEXT3>three</TEXT3>
<x-TEXT4>but never four</x-TEXT4>
</root>''')
result1 = root.xpath(
"//*[re:test(local-name(), '^TEXT.*')]",
namespaces={'re': "http://exslt.org/regular-expressions"})
result2 = root.xpath("//*[starts-with(local-name(), 'TEXT')]")
assert(result1 == result2)
for result in result1:
print result.text, result.tag
解决一个新的需求，考虑这个 XML：
<root>
<tag>
<TEXT1>one</TEXT1>
<TEXT2>two</TEXT2>
<TEXT3>three</TEXT3>
</tag>
<other_tag>
<TEXT1>do not want to found one</TEXT1>
<TEXT2>do not want to found two</TEXT2>
<TEXT3>do not want to found three</TEXT3>
</other_tag>
</root>
如果想要查找所有TEXT 元素的直接子元素，它们是<tag> 元素：
result = root.xpath("//tag/*[starts-with(local-name(), 'TEXT')]")
assert(' '.join(e.text for e in result) == 'one two three')
或者，如果想要所有 TEXT 元素，它们只是第一个 tag 元素的直接子元素：
result = root.xpath("//tag[1]/*[starts-with(local-name(), 'TEXT')]")
assert(' '.join(e.text for e in result) == 'one two three')
或者，如果只想找到每个 tag 元素的第一个 TEXT 元素：
result = root.xpath("//tag/*[starts-with(local-name(), 'TEXT')][1]")
assert(' '.join(e.text for e in result) == 'one')
资源：
【讨论】：
这里有一个想法：
import lxml.etree
doc = lxml.etree.parse('test.xml')
elements = [x for x in doc.xpath('//*') if x.tag.startswith('TEXT')]
【讨论】：