使用 lxml 在根元素之前/之后访问处理指令答案

【问题标题】：Access the processing-instructions before/after a root element with lxml使用 lxml 在根元素之前/之后访问处理指令
【发布时间】：2019-11-26 14:57:37
【问题描述】：

使用lxml，如何访问/迭代位于根打开标记之前或根关闭标记之后的处理指令？

我已经尝试过了，但是根据文档，它只在根元素内迭代：

import io

from lxml import etree

content = """\
<?before1?>
<?before2?>
<root>text</root>
<?after1?>
<?after2?>
"""

source = etree.parse(io.StringIO(content))

print(etree.tostring(source, encoding="unicode"))
# -> <?before1?><?before2?><root>text</root><?after1?><?after2?>

for node in source.iter():
    print(type(node))
# -> <class 'lxml.etree._Element'>

我唯一的解决方案是用虚拟元素包装 XML：

dummy_content = "<dummy>{}</dummy>".format(etree.tostring(source, encoding="unicode"))
dummy = etree.parse((io.StringIO(dummy_content)))

for node in dummy.iter():
    print(type(node))
# -> <class 'lxml.etree._Element'>
#    <class 'lxml.etree._ProcessingInstruction'>
#    <class 'lxml.etree._ProcessingInstruction'>
#    <class 'lxml.etree._Element'>
#    <class 'lxml.etree._ProcessingInstruction'>
#    <class 'lxml.etree._ProcessingInstruction'>

有没有更好的解决方案？

【问题讨论】：

我不知道为什么会这样，但仅供参考，如果你先from lxml.html import fromstring 然后source = fromstring(content)，你的for 循环可以访问根节点以及之后的两个处理指令，但不能之前的两个……
你当然是对的@JackFleeting，但我不想使用 HTML 解析器。我真的很想使用 XML。
我意识到 - 我只是想知道为什么解析器会区分“之前”和“之后”。这是违反直觉的（至少对我而言）。

标签： python lxml processing-instruction

【解决方案1】：

您可以在根元素上使用getprevious() 和getnext() 方法。

before2 = source.getroot().getprevious()
before1 = before2.getprevious()

after1 = source.getroot().getnext()
after2 = after1.getnext()

见https://lxml.de/api/lxml.etree._Element-class.html。

也可以使用 XPath（在 ElementTree 或 Element 实例上）：

before = source.xpath("preceding-sibling::node()")  # List of two PIs
after = source.xpath("following-sibling::node()")

【讨论】：

聪明而简单。我错过了文档中的那些方法，在 _ElementTree 而不是 _Element 中搜索。谢谢。
通过使用 xpath 的解决方案，PI 按文档顺序排序，这对我来说更好。好！