Python 使用lxml提取所有元素事先未知的数据

我有一些大致标准化的sgml文件。但是，在打开文件并亲自阅读之前，可能存在我不知道存在的标记中包含的数据。例如，文件有地址，通常地址有街道、城市、州、邮政编码和电话。地址的每个元素都用标记表示

 <ADDRESS>
 <STREET>One Main Street
 <CITY>Gotham City
 <ZIP>99999 0123
 <PHONE>555-123-5467
 </ADDRESS>

但我得到的是有问题的，因为我无法确定一个元素在哪里结束，下一个元素从哪里开始

One Main StreetGotham City99999 0123555-123-5467

---

为了获得所有标签，我们通过如下方式浏览文档：

<ADDRESS>
 <STREET>One Main Street</STREET>
 <CITY>Gotham City</CITY>
 <ZIP>99999 0123</ZIP>
 <PHONE>555-123-5467</PHONE>
 </ADDRESS>

>>> for tags in root.iter():
...     print tags.text
... 

One Main Street
One Second Street
Gotham City
99999 0123
555-123-5467
USA

假设您的XML结构如下所示：

<ADDRESS>
 <STREET>One Main Street</STREET>
 <CITY>Gotham City</CITY>
 <ZIP>99999 0123</ZIP>
 <PHONE>555-123-5467</PHONE>
 </ADDRESS>

>>> for tags in root.iter():
...     print tags.text
... 

One Main Street
One Second Street
Gotham City
99999 0123
555-123-5467
USA

现在假设您的XML也有额外的标记；您不知道的标签。由于我们正在迭代XML，上面的代码也将返回这些标记

<ADDRESS>
         <STREET>One Main Street</STREET>
         <STREET1>One Second Street</STREET1>
        <CITY>Gotham City</CITY>
         <ZIP>99999 0123</ZIP>
         <PHONE>555-123-5467</PHONE>         
         <COUNTRY>USA</COUNTRY>    
</ADDRESS>

现在，如果我们想要得到标签的文本，过程是相同的。只需打印tag.text，如下所示：

<ADDRESS>
 <STREET>One Main Street</STREET>
 <CITY>Gotham City</CITY>
 <ZIP>99999 0123</ZIP>
 <PHONE>555-123-5467</PHONE>
 </ADDRESS>

>>> for tags in root.iter():
...     print tags.text
... 

One Main Street
One Second Street
Gotham City
99999 0123
555-123-5467
USA

---

那么你想得到文件中的所有标签吗？是和否。首先得到一个文件中的所有标签会很好，但我也想得到文件中的地址部分中的所有标签我很困惑-你的输入是SGML，但是您接受了一个涉及解析XML的答案——您是否找到了一种先将SGML转换为XML的方法？如果是这样，我可以用你的技巧！：）谢谢，我很感激。这很有帮助