Pitone ElementTree Controllare il / tipo di elemento di nodo

Question

Sto usando ElementTree e non riesco a capire se il childnode è un testo oppure no. childelement.text non sembra funzionare in quanto dà falsi positivi anche sui nodi che non sono i nodi di testo.

Qualche suggerimento?

Esempio

<tr>
  <td><a href="sdas3">something for link</a></td>
  <td>tttttk</td>
  <td><a href="tyty">tyt for link</a></td>
</tr>

Dopo l'analisi di questo file XML, faccio questo in Python:

for elem_main in container_trs: #elem_main is each tr
    elem0 = elem_main.getchildren()[0] #td[0]
    elem1 = elem_main.getchildren()[1] #td[1]

    elem0 = elem_main.getchildren()[0]
    print elem0.text

    elem1 = elem_main.getchildren()[1]
    print elem1.text

Il codice sopra non elem0.text non uscita; esso è vuoto. Vedo l'elem1.text (cioè, tttttk ) in uscita.

Aggiorna 2

Sono in realtà la costruzione di un dizionario. Il testo dall'elemento ad ogni modo che io possa ordinare la tabella HTML. Come faccio a ottenere i s in questo codice?

Answer 1

Come sull'utilizzo del metodo getiterator per scorrere i tutti i nodi discendenti:

import xml.etree.ElementTree as xee

content='''
<tr>
  <td><a href="sdas3">something for link</a></td>
  <td>tttttk</td>
  <td><a href="tyty">tyt for link</a></td>
</tr>
'''

def text_content(node):
    result=[]
    for elem in node.getiterator():
        text=elem.text
        if text and text.strip():
            result.append(text)
    return result

container_trs=xee.fromstring(content)
adict={}
for elem in container_trs:
    adict[elem]=text_content(elem)
print(adict)
# {<Element td at b767e52c>: ['tttttk'], <Element td at b767e58c>: ['tyt for link'], <Element td at b767e36c>: ['something for link']}

I itera ciclo for elem_main in container_trs: attraverso i figli di cantainer_trs.

Al contrario, le iteraters ciclo for elem_main in container_trs.getiterator(): attraverso container_trs stesso, ei suoi figli e nipoti, ecc.

Answer 2

elem0.text è Nessuno perché il testo è in realtà parte del sottoelemento . Basta andare un livello più profondo:

print elem0.getchildren()[0].text

A proposito, elem0[0].text è una scorciatoia per lo stesso costrutto -. Non c'è bisogno di GetChildren ()