[英]How would one remove the CDATA tags from but preserve the actual data in Python using LXML or BeautifulSoup
我正在解析一些XML,其中使用BeautifulSoup作为解析器。 我使用以下代码提取CDATA,但我只需要数据而不是CDATA标记。
myXML = open("c:\myfile.xml", "r")
soup = BeautifulSoup(myXML)
data = soup.find(text=re.compile("CDATA"))
print data
<![CDATA[TEST DATA]]>
我想看看是否有以下输出:
测试数据
我不在乎解决方案是在LXML还是BeautifulSoup中。 只想要最好或最简单的方法来完成工作。 谢谢!
这是一个解决方案:
parser = etree.XMLParser(strip_cdata=False)
root = etree.parse(self.param1, parser)
data = root.findall('./config/script')
for item in data: # iterate through list to find text contained in elements containing CDATA
print item.text
基于lxml docs :
>>> from lxml import etree
>>> parser = etree.XMLParser(strip_cdata=False)
>>> root = etree.XML('<root><data><![CDATA[test]]></data></root>', parser)
>>> data = root.findall('data')
>>> for item in data: # iterate through list to find text contained in elements containing CDATA
print item.text
test # just the text of <![CDATA[test]]>
这可能是完成工作的最佳方法,具体取决于您的xml结构对该方法的适应程度。
基于BeautifulSoup:
>>> str='<xml> <MsgType><![CDATA[text]]></MsgType> </xml>'
>>> soup=BeautifulSoup(str, "xml")
>>> soup.MsgType.get_text()
u'text'
>>> soup.MsgType.string
u'text'
>>> soup.MsgType.text
u'text'
结果,它只打印msgtype中的文本。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.