如何在特定标签内获取 xml 中的所有嵌套标签和文本？答案

【问题标题】：How to get all nested tags and text in an xml, inside a particular tag?如何在特定标签内获取 xml 中的所有嵌套标签和文本？
【发布时间】：2020-06-22 09:16:27
【问题描述】：

xmlstring="<a> <b> <c> Hello </c> </b> </a>"

我想提取所有“里面”的内容 标签，

为此我使用了

  content = "".join(xmlstring)
  bs_content = bs(content, "lxml")

  for b_text in bs_content.find_all("b"):
      inside_text = b_text.get_text()

但inside_text 是Hello 而不是<c> Hello </c>

如何编写代码来获取<c> Hello </c>？

【问题讨论】：

标签： python-3.x xml beautifulsoup nested

【解决方案1】：

from bs4 import BeautifulSoup


xmlstring="<a> <b> <c> Hello </c> </b> </a>"
soup = BeautifulSoup(xmlstring, 'lxml')

print( ''.join(str(c) for c in soup.select_one('b').contents) )

打印：

 <c> Hello </c>

【讨论】：

谢谢，但这是特定于这个特定输入的。内部标签的身份（无论是还是其他任何东西）都是未知的。
@xxx374562 是的，这就是为什么我只找到标签 并打印这个标签的内容，不管什么是indise。

【解决方案2】：

您可以为此使用 children 方法并提取第二个元素，因为在调用 find_all("b") 时它会返回  <c> Hello </c>  项。

xmlstring="<a> <b> <c> Hello </c> </b> </a>"
content = "".join(xmlstring)
bs_content = bs(content, "lxml")
for b_text in bs_content.find_all("b"):
    print(" ".join([str(i) for i in b_text.children if i != " "]))

输出

<c> Hello </c>

【讨论】：

能否解释一下最后一行，[1] 是做什么的？
这不适用于此输入"<a> <c> Hello </c> <d> World </d> </a>
b_text.children 在一个生成器中，在这种情况下返回 3 个部分“”用于第一个 b 标签“ Hello ”，它是 index1 处的第二个项目，另一个“”用于第二个 b 标签。
对于"<a> <c> Hello </c> <d> World </d> </a>"，它正在返回<c> Hello </c>
您可以使用print([i for i in b_text.children if i != " "]) 将返回"<a> <c> Hello </c> <d> World </d> </a>" 输出[<c> Hello </c>, <d> World </d>]