Python 3.x Python中的XML解析问题

我正在尝试解析XML文件（字幕）的以下内容（这里只是一块）

但它的回报是：

['', '', '- Tu es sérieuse ?', 'Regarde ce que tu as fait.', 
 '', "On peut faire quelque chose, je m'ennuie....", '', '', 
 "J'ai promis à Stuart de l'appeler.", '', '- A tes ordres.', 
 .....

如果在实际文本之前有ID时间/值行，我似乎找不到一种方法来获取“/s”的文本值

有什么帮助吗？

使用lxml尝试一下：

import lxml.html
subt = [your html above]
doc = lxml.html.fromstring(subt)
dialog = doc.xpath('//*/text()')
myPhrasesArray = []
for d in dialog:
    if len(d.strip())>0:
        myPhrasesArray.append(d.strip())
myPhrasesArray

输出：

["- Le requin t'a eue.",
 '- Tu es sérieuse ?',
 'Regarde ce que tu as fait.',
 "Je vais t'en chercher un autre.",
 "On peut faire quelque chose, je m'ennuie...."]

---

您不想在根目录中对q执行

，而只想迭代
s
标记

您可以使用
ElementTree.iter（）
或
ElementTree.findall（）
。前者看一切，不管有多深。后者只关注直接的孩子。对于您给出的示例，
findall（）
更有意义

myPhrasesArray = [] # just start with it empty
for s in root.findall('s'):
    myPhrasesArray.append(s.text)

鉴于这非常简单，您甚至可以在一行中完成：

myPhrasesArray = [s.text for s in root.findall('s')]

就这样解决了

parsedXml = ET.parse("data/tst/1914/"+ str(filename))
            root = parsedXml.getroot()

            for child in root:
                try:
                    if child.tag == "s":
                        a = ''.join(child.itertext()).strip().lower()
                        if a.startswith("-"):
                            a = a.lstrip("-")
                            mySentences.append(a) 

根中的
q
是每个标记，但是
time
标记有空文本。你想对时间标签做什么？我想得到所有的文本行，然后扔掉计时器。并将这些文本语句存储在一个数组中，使用.itertext将其排序，因为findall或iter都不起作用（一开始就尝试过），如果有人感兴趣，我会提供一个代码示例作为答案
myPhrasesArray = [s.text for s in root.findall('s')]

parsedXml = ET.parse("data/tst/1914/"+ str(filename))
            root = parsedXml.getroot()

            for child in root:
                try:
                    if child.tag == "s":
                        a = ''.join(child.itertext()).strip().lower()
                        if a.startswith("-"):
                            a = a.lstrip("-")
                            mySentences.append(a)