Python و Elementtree: إرجاع "Inner XML" باستثناء العنصر الأصل
-
27-09-2019 - |
سؤال
في Python 2.6 باستخدام ElementTree ، ما هي الطريقة الجيدة لجلب XML (كسلسلة) داخل عنصر معين ، مثل ما يمكنك القيام به في HTML و JavaScript innerHTML
?
إليك عينة مبسطة من عقدة XML التي أبدأ بها:
<label attr="foo" attr2="bar">This is some text <a href="foo.htm">and a link</a> in embedded HTML</label>
أود أن انتهى الأمر بهذه السلسلة:
This is some text <a href="foo.htm">and a link</a> in embedded HTML
لقد حاولت التكرار على العقدة الأصل وتسلسل tostring()
من الأطفال ، لكن ذلك أعطاني فقط المناطق الفرعية:
# returns only subnodes (e.g. <a href="foo.htm">and a link</a>)
''.join([et.tostring(sub, encoding="utf-8") for sub in node])
يمكنني اختراق حل باستخدام تعبيرات منتظمة ، لكنني كنت آمل أن يكون هناك شيء أقل اختراقًا من هذا:
re.sub("</\w+?>\s*?$", "", re.sub("^\s*?<\w*?>", "", et.tostring(node, encoding="utf-8")))
المحلول
ماذا عن:
from xml.etree import ElementTree as ET
xml = '<root>start here<child1>some text<sub1/>here</child1>and<child2>here as well<sub2/><sub3/></child2>end here</root>'
root = ET.fromstring(xml)
def content(tag):
return tag.text + ''.join(ET.tostring(e) for e in tag)
print content(root)
print content(root.find('child2'))
مما يسبب:
start here<child1>some text<sub1 />here</child1>and<child2>here as well<sub2 /><sub3 /></child2>end here
here as well<sub2 /><sub3 />
نصائح أخرى
يعتمد هذا على الحلول الأخرى ، لكن الحلول الأخرى لم تنجح في حالتي (أسفرت عن استثناءات) وقد نجحت هذه واحدة:
from xml.etree import Element, ElementTree
def inner_xml(element: Element):
return (element.text or '') + ''.join(ElementTree.tostring(e, 'unicode') for e in element)
استخدمه بنفس الطريقة الموجودة في إجابة مارك تولونين.
ما يلي عمل بالنسبة لي:
from xml.etree import ElementTree as etree
xml = '<root>start here<child1>some text<sub1/>here</child1>and<child2>here as well<sub2/><sub3/></child2>end here</root>'
dom = etree.XML(xml)
(dom.text or '') + ''.join(map(etree.tostring, dom)) + (dom.tail or '')
# 'start here<child1>some text<sub1 />here</child1>and<child2>here as well<sub2 /><sub3 /></child2>end here'
dom.text or ''
يستخدم للحصول على النص في بداية root
عنصر. إذا لم يكن هناك نص dom.text
هو None
.
لاحظ أن النتيجة ليست XML صالحة - يجب أن تحتوي XML صالحة على عنصر جذر واحد فقط.
ألق نظرة على مستندات ElementTree حول المحتوى المختلط.
باستخدام Python 2.6.5 ، Ubuntu 10.04