Python 获取包含文本的标记的最快方法

我需要使用

lxml.html

获取所有包含文本的标记。我一直在使用doc.xpath（'./*[text（）=true（）]'）中的e的

{e.tag}

，但是

lxml

中的通配符和

text（）

查询速度都非常慢。有没有更快捷的方法呢。

你可以试试这个：

>>> import itertools
>>> [e.tag for e in itertools.ifilter(lambda x: x.text,doc.findall('.//'))]

不确定它是否更快，但它避免了您提到的两件事（XPath通配符和

text（）

函数）

如果只想使用列表（而不是迭代器），则此语法更简单：

>>> filter(lambda x: x.text,doc.findall('.//'))

---

如果您按找到的方式处理每个标记，则应使用迭代器（很可能更快）。

要获得一组标记名，其元素包含一些文本：

tags = {e.tag for e in doc.iter() if e.text}

---

你能提供一些测试数据吗？性能可能取决于输入数据的特征。你需要多快的速度？谢谢，这将它从1.3毫秒减少到400毫秒，这足够加速了。