python元素树xml解析答案

【问题标题】：python element tree xml parsingpython元素树xml解析
【发布时间】：2012-11-16 07:42:23
【问题描述】：

我正在使用 Python 元素树来解析 xml 文件

假设我有一个这样的 xml 文件..

<html>
<head>
    <title>Example page</title>
</head>
<body>
    <p>hello this is first paragraph </p>
    <p> hello this is second paragraph</p>
</body>
</html>

有什么方法可以提取带有完整 p 标签的正文，如

desired= "<p>hello this is first paragraph </p> <p> hello this is second paragraph</p>"

【问题讨论】：

标签： python xml-parsing

【解决方案1】：

下面的代码可以解决问题。

import xml.etree.ElementTree as ET

root = ET.fromstring(doc)  # doc is a string containing the example file
body = root.find('body')
desired = ' '.join([ET.tostring(c).strip() for c in body.getchildren()])

现在：

>>> desired
'<p>hello this is first paragraph </p> <p> hello this is second paragraph</p>'

【讨论】：

不仅是 p 标签，还可以有任何类似的标签 标签任何建议 ...
这将拉出任何身体的孩子，无论标签类型如何。我认为我在代码中使用了p 可能会造成混淆。这与<p> 标签无关，我将更改代码以使其清晰。但是，当正文包含不在子元素内的文本时，此解决方案将不起作用。

【解决方案2】：

你可以使用lxml库，lxml

所以，这段代码会对你有所帮助。

import lxml.html

htmltree = lxml.html.parse('''
<html>
<head>
<title>Example page</title>
</head>
 <body>
<p>hello this is first paragraph </p>
<p> hello this is second paragraph</p>
</body>
</html>''')
p_tags = htmltree.xpath('//p')
p_content = [p.text_content() for p in p_tags]

print p_content

【讨论】：

【解决方案3】：

与@DavidAlber 略有不同的方式，可以轻松选择孩子：

from xml.etree import ElementTree

tree = ElementTree.parse("example.xml")
body = tree.findall("/body/p")

result = []
for elem in body:
     result.append(ElementTree.tostring(elem).strip())

print " ".join(result)

【讨论】：