ET 中的评论：不仅仅是评论标签答案

【问题标题】：Comments in ET: more than comment tagET 中的评论：不仅仅是评论标签
【发布时间】：2019-11-07 15:38:04
【问题描述】：

我有一个 xml 文件，例如：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE Chapter PUBLIC 'blub' 'blub.dtd'>
<Chapter>
    <Tag>
        <TagEntry y.validity.allowed="true" y.validity.mode="positive">
            <!--Kommentar 1-->
            <!--Kommentar 2-->
            <!--Kommentar 3-->Inhalt 1<!--Kommentar 4--></TagEntry>
        <TagEntry>
            Inhalt 2 erg&#228;nzt <!--Kommentar 5-->mit Umlaut
        </TagEntry>
        <TagBase>
            <!--Kommentar 6-->
            <!--Kommentar 7-->Inhalt 3</TagBase>
        <TagNothing>
            Inhalt 3<!--Kommentar 8-->
        </TagNothing>
    </Tag>
</Chapter>

现在我想遍历 cmets。我用 lxml.etree 作为 ET-tree 做到了：

comments = root.xpath('//comment()')
for comment in comments:
    print(ET.tostring(comment))

但不是打印所有没有父节点文本的 cmets，而是打印：

b'<!--Kommentar 1-->'
b'<!--Kommentar 2-->'
b'<!--Kommentar 3-->Inhalt 1'
b'<!--Kommentar 4-->'
b'<!--Kommentar 5-->mit Umlaut\n\t\t'
b'<!--Kommentar 6-->'
b'<!--Kommentar 7-->Inhalt 3'
b'<!--Kommentar 8-->\n\t\t'

有人可以向我解释一下，为什么会发生这种情况，以及我可以如何更改 xpath 表达式以仅返回注释节点而不将文本附加到注释末尾。

谢谢！

【问题讨论】：

标签： python xml xpath lxml elementtree

【解决方案1】：

注释节点包含tail 文本（默认；参见https://lxml.de/api/lxml.etree-module.html#tostring）。

为了摆脱尾巴，改变

print(ET.tostring(comment))

到

print(ET.tostring(comment, with_tail=False))

如果您只对 cmets 的内容而不是标记感兴趣，请使用：

print(comment.text)

【讨论】：