Python 获取XML节点的文本，包括子节点（或类似的内容）

我必须从xml节点及其子节点中获取纯文本，或者这些奇怪的内部标记是什么：

示例节点：

<BookTitle>
<Emphasis Type="Italic">Z</Emphasis>
 = 63 - 100
</BookTitle>

记住，这只是一个例子！BookTitle节点中可能有任何类型的“子节点”，我所需要的只是BookTitle中的纯文本

我试过：

tagtext = root.find('.//BookTitle').text
print tagtext

但是.text无法处理这种奇怪的xml节点，并返回“NoneType”

---

问候和感谢

这不是

书名

节点的

文本

，而是

强调

节点的

尾部

。所以你应该做一些类似的事情：

def parse(el):
    text = el.text.strip() + ' ' if el.text.strip() else ''
    for child in el.getchildren():
        text += '{0} {1}\n'.format(child.text.strip(), child.tail.strip())
    return text

这给了你：

>>> root = et.fromstring('''
    <BookTitle>
    <Emphasis Type="Italic">Z</Emphasis>
     = 63 - 100
    </BookTitle>''')
>>> print parse(root)
Z = 63 - 100

>>root=et.fromstring（“”）
Z
= 63 - 100
''')
>>>打印解析（根）
Z=63-100

以及：

>>> root = et.fromstring('''
<BookTitle>
Mtn
<Emphasis Type="Italic">Z</Emphasis>
 = 74 - 210
</BookTitle>''')
>>> print parse(root)
Mtn Z = 74 - 210

>>root=et.fromstring（“”）
Mtn
Z
= 74 - 210
''')
>>>打印解析（根）
Mtn Z=74-210

这应该给你一个基本的想法怎么做

---

更新：修复了空格…

您可以使用minidom解析器。以下是一个例子：

from xml.dom import minidom

def strip_tags(node):
    text = ""
    for child in node.childNodes:
        if child.nodeType == doc.TEXT_NODE:
            text += child.toxml()
        else:
            text += strip_tags(child)
    return text

doc = minidom.parse("<your-xml-file>")

text = strip_tags(doc)

从xml.dom导入minidom
def条带标签（节点）：
text=“”
对于node.childNodes中的子节点：
如果child.nodeType==doc.TEXT\u节点：
text+=child.toxml（）
其他：
文本+=条带标签（子项）
返回文本
doc=minidom.parse（“”）
文本=带标签（文件）

---

strip_tags递归函数将浏览xml树并按顺序提取文本。

谢谢，我在尾部为空或文本为空时出错，所以我这样做了：

def parse（el）：text=''if el.text:text=el.text.strip（）for child in el.getchildren（）：if child.text:text+=child.text.strip（）if child.tail:text+=child.tail.strip（）返回文本

，该文本似乎正在工作。如果我可以简化，请告诉我：）是的，你必须检查

尾部

或

文本

是否为

无

，我忘了包括该检查。我从你的例子中假设它们永远存在。

>>> root = et.fromstring('''
<BookTitle>
Mtn
<Emphasis Type="Italic">Z</Emphasis>
 = 74 - 210
</BookTitle>''')
>>> print parse(root)
Mtn Z = 74 - 210

from xml.dom import minidom

def strip_tags(node):
    text = ""
    for child in node.childNodes:
        if child.nodeType == doc.TEXT_NODE:
            text += child.toxml()
        else:
            text += strip_tags(child)
    return text

doc = minidom.parse("<your-xml-file>")

text = strip_tags(doc)