xml.dom.minidom：获取 CDATA 值答案

【问题标题】：xml.dom.minidom: Getting CDATA valuesxml.dom.minidom：获取 CDATA 值
【发布时间】：2009-02-27 23:20:56
【问题描述】：

我能够获取图像标签中的值（请参阅下面的 XML），但不能获取类别标签中的值。不同之处在于一个是 CDATA 部分，另一个只是一个字符串。任何帮助将不胜感激。

from xml.dom import minidom

xml = """<?xml version="1.0" ?>
<ProductData>
    <ITEM Id="0471195">
        <Category>
            <![CDATA[Homogenizers]]>        
        </Category>
        <Image>
            0471195.jpg
        </Image>
    </ITEM>
    <ITEM Id="0471195">
        <Category>
            <![CDATA[Homogenizers]]>        
        </Category>
        <Image>
            0471196.jpg
        </Image>
    </ITEM>
</ProductData>
"""

bad_xml_item_count = 0
data = {}
xml_data = minidom.parseString(xml).getElementsByTagName('ProductData')
parts = xml_data[0].getElementsByTagName('ITEM')
for p in parts:
    try:
        part_id = p.attributes['Id'].value.strip()
    except(KeyError):
        bad_xml_item_count += 1
        continue
    if not part_id:
        bad_xml_item_count += 1
        continue
    part_image = p.getElementsByTagName('Image')[0].firstChild.nodeValue.strip()
    part_category = p.getElementsByTagName('Category')[0].firstChild.data.strip()
    print '\t'.join([part_id, part_category, part_image])

【问题讨论】：

标签： python xml

【解决方案1】：

p.getElementsByTagName('Category')[0].firstChild

minidom 不会将

所以 Category 的 firstChild 是一个 Text 节点，表示打开标记和 CDATA 部分开始之间的空白。它有两个兄弟节点：CDATASection 节点和另一个尾随空白文本节点。

您可能想要的是 Category 的所有子项的文本数据。在 DOM Level 3 Core 中，您只需调用：

p.getElementsByTagName('Category')[0].textContent

但 minidom 还不支持。但是，最近的版本确实支持另一种 3 级方法，您可以使用它以更迂回的方式做同样的事情：

p.getElementsByTagName('Category')[0].firstChild.wholeText

【讨论】：

零有什么用？
getElementsByTagName 返回一个NodeList，[0] 获取列表中的第一个元素。 Python DOM 绑定要求 [n] 是 DOM .item(n) 的快捷方式。

【解决方案2】：

CDATA 是它自己的节点，所以这里的 Category 元素实际上有三个子节点，一个空白文本节点、CDATA 节点和另一个空白节点。你只是看错了，仅此而已。我没有看到任何更明显的查询 CDATA 节点的方法，但您可以像这样将其拉出：

[n for n in category.childNodes if n.nodeType==category.CDATA_SECTION_NODE][0]

【讨论】：

【解决方案3】：

我遇到了类似的问题。我的解决方案与 Ironfroggy 的回答类似，但以更通用的方式实施：

for node in parentNode.childNodes:
        if node.nodeType == 4:
            cdataContent = node.data.strip()

CDATA的节点类型为4（CDATA_SECTION_NODE）

【讨论】：

你保存了我的项目，陌生人！