为什么我没有得到 XML 标记中的文本？ - 蟒蛇元素树答案

【问题标题】：Why am I not getting the text in the XML tag? - python elementtree为什么我没有得到 XML 标记中的文本？ - 蟒蛇元素树
【发布时间】：2012-09-14 12:35:24
【问题描述】：

如何阅读<context>...</context> 标签中的所有文本？那么<context \>标签中的<head>...<\head>标签呢？

我有一个如下所示的 XML 文件：

<corpus lang="english">
    <lexelt item="coach.n">
        <instance id="1">
            <context>I'll buy a train or <head>coach</head> ticket.</context>
        </instance>
        <instance id="2">
            <context>A branch line train took us to Aubagne where a <head>coach</head> picked us up for the journey up to the camp.</context>
        </instance>
    </lexelt>
</corpus>

但是当我运行我的代码来读取 ... 中的 XML 文本时，我只能在到达标签之前获取文本。

import xml.etree.ElementTree as et    
inputfile = "./coach.data"    
root = et.parse(open(inputfile)).getroot()
instances = []

for corpus in root:
    for lexelt in corpus:
      for instance in lexelt:
        instances.append(instance.text)

j=1
for i in instances:
    print "instance " + j
    print "left: " + i
    print "\n"  
    j+=1

现在我只是在左侧：

instance 1
left: I'll buy a train or 

instance 2
left: A branch line train took us to Aubagne where a

输出还需要上下文和头部的右侧，应该是：

instance 1
left: I'll buy a train or 
head: coach
right:   ticket.

instance 2
left: A branch line train took us to Aubagne where a 
head: coach
right:  picked us up for the journey up to the camp.

【问题讨论】：

标签： python xml elementtree readxml

【解决方案1】：

首先，您的代码有错误。 for corpus in root 不是必须的，你的 root 已经是 corpus。

你可能打算做的是：

for lexelt in root:
  for instance in lexelt:
    for context in instance:
      contexts.append(context.text)

现在，关于您的问题 - 在 for context in instance 块内，您可以访问您需要的其他两个字符串：

head 文本可以通过访问context.find('head').text 来访问
head 元素右侧的文本可以通过访问context.find('head').tail 来读取根据Python etree docs：

tail 属性可用于保存与元素。该属性通常是一个字符串，但也可以是任何特定于应用程序的对象。如果元素是从 XML 创建的文件属性将包含元素结束后找到的任何文本标签和下一个标签之前。

【讨论】：

你的意思是我的根已经是corpus 或者我的根在开始时已经是context？

【解决方案2】：

在 ElementTree 中，您必须考虑子节点的 tail 属性。在您的情况下，语料库也是根。

导入 xml.etree.ElementTree 作为 et 输入文件 = "./coach.data" corpus = et.parse(open(inputfile)).getroot() def getalltext(elem): return elem.text + ''.join([getalltext(child) + child.tail for child in elem]) 实例 = [] 对于语料库中的 lexelt：例如在 lexelt 中： instance.append(getalltext(instance)) j=1 对于 i 在实例中：打印“实例”+ j 打印“左：” + i 打印“\n” j+=1

【讨论】：

谢谢，getalltext(elem) 在python的元素树中确实很有用，应该建议在下一个元素树版本中包含这个配方。