在python中迭代xml元素时遗漏了一些文本

Question

我在Mac OS X 10.6.8上的Python 2.7.3中运行以下代码.

import StringIO
from lxml import etree
f = open('./foo', 'r')
doc = ""
while 1:
    line = f.readline()
    doc += line
    if line == "":
        break
tree = etree.parse(StringIO.StringIO(doc), etree.HTMLParser())
r = tree.xpath('//foo')
for i in r:
    for j in i.iter():
        print j.tag, j.text

文件foo包含

<foo> AAA <bar> BBB </bar> XXX </foo>

输出是

foo AAA
bar BBB

为什么我没有收到文字XXX？我该如何访问它？

谢谢

Answer 1

你也必须采取

node.tail

考虑(或检查).

Answer 2

试试这个:

from lxml import etree

tree = etree.fromstring("<foo> AAA <bar> BBB </bar> XXX </foo>")
foos = tree.xpath('//foo')

for foo in foos:
    for j in foo.iter():
        print j.tag, j.text, j.tail

输出:

foo  AAA  None
bar  BBB   XXX 

该tail属性将文本保存在元素的结束标记之后.

tail与其他XML模型(如DOM)相比,lxml和ElementTree是一种特性.有关详细信息,请参阅http://infohost.nmt.edu/tcc/help/pubs/pylxml/web/etree-view.html.