在python中使用lxml解析嵌套的html列表

我试图解析html列表的元素，如下所示：

<ol>
    <li>r1</li>
    <li>r2
        <ul>
            <li>n1</li>
            <li>n2</li>
        </ul>
    </li>
    <li>r3
        <ul>
            <li>d1
                <ol>
                    <li>e1</li>
                    <li>e2</li>
                </ol>
            </li>
            <li>d2</li>
        </ul>
    </li>
    <li>r4</li>
</ol>

r1
r2

n1
氮气


r3

d1
e1
e2

d2


r4

在大部分情况下，我可以解析它，但对我来说最大的问题是如何取回dom文本。不幸的是，lxml的node.text_content（）返回其下完整树的文本形式。我可以使用lxml获取该元素的文本内容，还是需要使用字符串操作或正则表达式

---

例如：带有d1的节点返回“d1e1e2”，而我希望它只返回d1。

每个节点都有一个名为

text

的属性。这就是你要找的

e、 g:

对于root.iter（“*”）中的节点：
打印node.text
#打印node.tail#例如：abc def=>abc def

for node in root.iter("*"):
    print node.text
    # print node.tail # e.g.: <div> <span> abc </span> def </div> => abc def