Python minidom XML 解析器 - 忽略子标签答案

【问题标题】：Python minidom XML parser - ignore child tagsPython minidom XML 解析器 - 忽略子标签
【发布时间】：2014-10-16 11:46:00
【问题描述】：

我有一个 XML 文件，如下所示：

<tag1>
    <tag2>
        I am too good <italic>to be true</italic>
    </tag2>
</tag1>

现在，当我想提取“tag2”标签中的数据时，然后假设 XML 文件被读入“XML_data”变量：

XML_data.getElementsByTagName('tag1')[0].getElementsByTagName('tag2')[0].childNodes[0].data
evaluates to "I am too good"
and 
XML_data.getElementsByTagName('tag1')[0].getElementsByTagName('tag2')[0].getElementsByTagName('italic')[0].childNodes[0].data
evaluates to "to be true"

我想要的是能够通过忽略斜体标签来提取 tag2 中的整个块。即，我希望我的输出是

"I am too good <italic>to be true</italic>"

我该怎么做？请帮忙。

【问题讨论】：

你不能 - 正如你的代码所暗示的那样，<italic> 文本是一个单独的节点。您必须决定哪些节点应算作“内联”并单独处理。
您与 minidom 库的关系如何？ DOM API非常繁琐冗长；您可能想要使用 ElementTree API（也是 Python 标准库的一部分）；它会让这项任务简单得多。
非常感谢。我懂了。我将尝试使用 ElementTree API。只是为了加快我的理解，如何使用 ElementTree API 做到这一点？

标签： python xml-parsing minidom

【解决方案1】：

终于用到了ElementTree

import xml.etree.ElementTree as ET
import re

def extractTextFromElement(elementName, stringofxml):
    tree = ET.fromstring(stringofxml)
    for child in tree.getiterator():
        if child.tag == elementName:
            len = ET.tostring(child)
            return re.sub(r'<.*?>', '', len)


usage: extractTextFromElement('tag2', XML_data)

【讨论】：