提取 body/p 标签中的所有文本 [英] Extract all text in body/p tag
本文介绍了提取 body/p 标签中的所有文本的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我的主要任务是在以下名为sample.xml"的 XML 文件中提取 body 标签中 p 标签中的所有文本:
My main task is to extract all text in p tag in body tag in the following XML file named "sample.xml":
<?xml version="1.0" encoding="UTF-8"?>
<newsItem >
<itemMeta>
<itemClass qcode="ninat:text"/>
<versionCreated>2018-01-16T12:05:19</versionCreated>
<pubStatus qcode="stat:usable"/>
<edNote role="sttnote:private">Aikamuoto printille</edNote>
</itemMeta>
<contentSet>
<inlineXML contenttype="xhtml/xml">
<html>
<body>
<p>Toiselle kierrokselle mennään, mikäli yksikään ehdokas ei ole saanut yli puolta ensimmäisellä kierroksella annetuista äänistä.</p>
<p>Vaaleissa ovat ehdokkaina <Person>Tuula Haatainen</Person> (sd.), <Person>Pekka Haavisto</Person> (vihr.), <Person>Laura Huhtasaari</Person> </p>
<p codej="obj:57654">Varsinaisena vaalipäivänä vaalihuoneistot ovat auki tuttuun tapaan kello 9:n ja 20:n välisenä aikana. Tällöin on äänestettävä siinä paikassa, joka kotiin jaettuun äänestyskorttiin on merkitty. Osa äänestäjistä sai kortin kotiinsa jo ennen joulua.</p></body>
</html>
</inlineXML>
</contentSet>
</newsItem>
这是我的代码:
from xml.etree import cElementTree as ET
tree = ET.parse('sample.xml')
root = tree.getroot()
for teks in list(root):
teksMain = teks.findall('p').text
print('main body:', teksMain)
它没有用.我的副业是提取obj:57654"来自 .
It did not work. My side task is to extract "obj:57654" from <p codej="obj:57654">.
推荐答案
获取 p 元素(包括 Person 子元素及其 .tails)，使用 itertext().
To get all the text of the p elements (including Person subelements and their .tails), use itertext().
from xml.etree import ElementTree as ET
tree = ET.parse('sample.xml')
for p in tree.findall(".//p"):
# Get all inner text
print("".join(t for t in p.itertext()))
# Get the 'codej' attribute value (None if it does not exist)
print(p.get("codej"))
输出:
Toiselle kierrokselle mennään, mikäli yksikään ehdokas ei ole saanut yli puolta ensimmäisellä kierroksella annetuista äänistä.
None
Vaaleissa ovat ehdokkaina Tuula Haatainen (sd.), Pekka Haavisto (vihr.), Laura Huhtasaari
None
Varsinaisena vaalipäivänä vaalihuoneistot ovat auki tuttuun tapaan kello 9:n ja 20:n välisenä aikana. Tällöin on äänestettävä siinä paikassa, joka kotiin jaettuun äänestyskorttiin on merkitty. Osa äänestäjistä sai kortin kotiinsa jo ennen joulua.
obj:57654
这篇关于提取 body/p 标签中的所有文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
