假设我有下面的XML文档：遍历文本和元素LXML etree
<species>
Mammals: <dog/> <cat/>
Reptiles: <snake/> <turtle/>
Birds: <seagull/> <owl/>
</species>
然后我得到了species元素是这样的：
import lxml.etree
doc = lxml.etree.fromstring(xml)
species = doc.xpath('/species')[0]
现在我想打印按物种分组的动物列表。我怎么能使用ElementTree API来做到这一点？
如果你列举的所有节点，你会看到与类接着元素节点与种文本节点：
>>> for node in species.xpath("child::node()"):
... print type(node), node
...
<class 'lxml.etree._ElementStringResult'>
Mammals:
<type 'lxml.etree._Element'> <Element dog at 0xe0b3c0>
<class 'lxml.etree._ElementStringResult'>
<type 'lxml.etree._Element'> <Element cat at 0xe0b410>
<class 'lxml.etree._ElementStringResult'>
Reptiles:
<type 'lxml.etree._Element'> <Element snake at 0xe0b460>
<class 'lxml.etree._ElementStringResult'>
<type 'lxml.etree._Element'> <Element turtle at 0xe0b4b0>
<class 'lxml.etree._ElementStringResult'>
Birds:
<type 'lxml.etree._Element'> <Element seagull at 0xe0b500>
<class 'lxml.etree._ElementStringResult'>
<type 'lxml.etree._Element'> <Element owl at 0xe0b550>
<class 'lxml.etree._ElementStringResult'>
所以你可以从那里建造它：
my_species = {}
current_class = None
for node in species.xpath("child::node()"):
if isinstance(node, lxml.etree._ElementStringResult):
text = node.strip(' \n\t:')
if text:
current_class = my_species.setdefault(text, [])
elif isinstance(node, lxml.etree._Element):
if current_class is not None:
current_class.append(node.tag)
print my_species
结果
{'Mammals': ['dog', 'cat'], 'Reptiles': ['snake', 'turtle'], 'Birds': ['seagull', 'owl']}
这是文本节点是如何排列的所有脆弱...小的变化可以搞砸解析。
通过@tdelaney答案基本上是正确的，但我要指出的Python元素树API的一个细微差别。下面是从the lxml tutorial报价：
元素可以包含文本：
<root>TEXT</root>在许多XML文档（数据为中心的文档），这是文本的地方可以找到的唯一地方。它由叶子标签封装在树层次结构的最底部。
但是，如果用于标记的文本文件，如（X）HTML XML，文本，也可能出现不同元素之间，就在树的中间：
<html><body>Hello<br/>World</body></html>这里，
<br/>标签包围文本。这通常被称为文档样式或混合内容XML。元素通过它们的tail属性支持这一点。它包含直接跟随元素的文本，直到XML树中的下一个元素。这两个属性
text和tail足以表示XML文档中的任何文本内容。这样，ElementTree API 除Element元素类之外不需要任何特殊的文本节点，这些节点往往会相当频繁地进行（正如您从传统DOM API中所了解的那样）。
考虑这些特性考虑在内，可以不强制树输出的文本节点检索文档中的文本。
#!/usr/bin/env python3.3
import itertools
from pprint import pprint
try:
from lxml import etree
except ImportError:
from xml.etree import cElementTree as etree
def textAndElement(node):
'''In py33+ recursive generators are easy'''
yield node
text = node.text.strip() if node.text else None
if text:
yield text
for child in node:
yield from textAndElement(child)
tail = node.tail.strip() if node.tail else None
if tail:
yield tail
if __name__ == '__main__':
xml = '''
<species>
Mammals: <dog/> <cat/>
Reptiles: <snake/> <turtle/>
Birds: <seagull/> <owl/>
</species>
'''
doc = etree.fromstring(xml)
pprint(list(textAndElement(doc)))
#[<Element species at 0x7f2c538727d0>,
#'Mammals:',
#<Element dog at 0x7f2c538728c0>,
#<Element cat at 0x7f2c53872910>,
#'Reptiles:',
#<Element snake at 0x7f2c53872960>,
#<Element turtle at 0x7f2c538729b0>,
#'Birds:',
#<Element seagull at 0x7f2c53872a00>,
#<Element owl at 0x7f2c53872a50>]
gen = textAndElement(doc)
next(gen) # skip root
groups = []
for _, g in itertools.groupby(gen, type):
groups.append(tuple(g))
pprint(dict(zip(*[iter(groups)] * 2)))
#{('Birds:',): (<Element seagull at 0x7fc37f38aaa0>,
# <Element owl at 0x7fc37f38a820>),
#('Mammals:',): (<Element dog at 0x7fc37f38a960>,
# <Element cat at 0x7fc37f38a9b0>),
#('Reptiles:',): (<Element snake at 0x7fc37f38aa00>,
# <Element turtle at 0x7fc37f38aa50>)}
如果你看看你的权利...它看起来像第4个下相关应该指向你在正确的方向... –
你有控制的XML格式？通常，分类器（如Mammals等）表示为xml元素名称或属性（例如），以便xpath选择器很容易编写。 –
tdelaney
不，我不能更改XML。 – Alicia