Python/ElementTree：周囲のテキストを考慮したインライン要素の解析？

Question

インライン要素を含むXMLを解析する必要があります。 XMLの外観は、例えば、次のように：私はfor elem in list(parent): ...で、この構造体の上に今繰り返す場合

<section> Fubar, I'm so fubar, fubar and even more <fref bar="baz">fubare</fref>. And yet more fubar. </section>

私だけFREFへのアクセスを取得します。私が今frefを処理すると、テキストは本当の要素ではないので、周囲のテキストはもちろん失われます。

誰でもこの問題に適切に対処する方法を知っていますか？

Answer 1

lxmlでこれを達成する方法を次に示します。 lxml.etreetutorialから

>>> from lxml.etree import fromstring 
>>> tree = fromstring('''<section> Fubar, I'm so fubar, fubar and even more <fref bar="baz">fubare</fref>. And yet more fubar. </section>''') 
>>> elem = tree.xpath('/section/fref')[0] 
>>> elem.text 
'fubare' 
>>> elem.tail 
'. And yet more fubar. ' 
>>> elem.getparent().text 
" Fubar, I'm so fubar, fubar and even more " 

：

あなたが任意の中間タグなしすなわちテキストのみを、読みたい場合は、再帰的にすべてのテキストと尾を連結する必要が は 正しい順序で属性。ここでも、のtoString（）関数はメソッドのキーワードを使用して救助、 にこの時間が来る：

>>> from lxml.etree import tostring 
>>> tostring(html, method="text") 
" Fubar, I'm so fubar, fubar and even more fubare. And yet more fubar. " 

これを行うためのXPathの方法もあります、それは、リンク先のページで説明しています。