<xml>
<maintag>
<content> lorem <br>ipsum</br> <strong> dolor sit </strong> and so on </content>
</maintag>
</xml>
我定期解析的 xml 文件可能在内容标记内包含 HTML 标记,如上所示。
这是我如何解析文件的:
parser = etree.XMLParser(remove_blank_text=False)
tree = etree.parse(StringIO(xmlFile), parser)
for item in tree.iter('maintag'):
my_content = item.find('content').text
#print my_content
#output: lorem
结果是 my_content = 'lorem' 而不是 -which i'd like to see- ' lorem < br>ipsum dolor sat 等等'
如何将内容读取为“lorem
ipsumdolor sat等”?
注意:内容标签可能有另一个html标签而不是strong。并且可能根本没有它们。
最佳答案
from lxml import etree
root = etree.fromstring('''<xml>
<maintag>
<content> lorem <br>ipsum</br> <strong> dolor sit </strong> and so on </content>
</maintag>
</xml>''')
for content in root.xpath('.//maintag/content'):
print etree.tostring(content)
打印
<content> lorem <br>ipsum</br> <strong> dolor sit </strong> and so on </content>
<小时/>
....
for content in root.xpath('.//maintag/content'):
print ''.join(child if isinstance(child, basestring) else etree.tostring(child)
for child in content.xpath('*|text()'))
打印
lorem <br>ipsum</br> <strong> dolor sit </strong> and so on and so on
关于python - lxml xml 解析,在 xml 标签内包含 html 标签,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19835784/