使用lxml解析XML，当有另一个子节点时无法获取文本

Question

我正在使用lxml 解析从 Internet 下载的 XML 文件。它的结构类似于：

<root>
    <a>Some text in A node</a>
    <b><c>Some text in C node</c>Some text in B node</b>
</root>

我想使用以下代码打印节点内的文本：

from lxml import etree
doc = etree.parse('some.xml')
root = doc.getroot()
for ch in root:
    print ch.text

输出

Some text in A node
None

这不是为<B> 打印text。为什么？当我更改 XML（如下所示）时，text 先是子节点，然后是子节点，我得到了正确的输出。它与 XML 语法或 lxml 有关吗？由于我无法控制 XML，因为它是直接从 Internet 下载的，因此我需要一种方法来获取以前格式的文本。

<root>
    <a>Some text in A node</a>
    <b>Some text in B node<c>Some text in C node</c></b>
</root>

输出

Some text in A node
Some text in B node

Answer 1

根据lxml.etree._Element documentation：

text 属性返回第一个子元素之前的文本。如果没有文本，则这是一个字符串或值 None。

要打印标签中的任何第一个文本，请尝试使用 xpath 获取子文本节点：

for ch in root:
    print next((x for x in ch.xpath('text()')), None)

或：

for ch in root.xpath('/text()'):
    print ch