在标签内获取全部内容，包括html标签

Question

import lxml.html as PARSER
from lxml.html import fromstring

data = """<TextFormat>06</TextFormat>
<Text><![CDATA[<html><body><p>Ducdame was John Cowper Powys<p>other text</p></p></body></html>]]></Text>"""
root = PARSER.fromstring(data)

for ele in root.getiterator():
    if ele.tag == 'text':
        print ele.text_content()

这就是我现在要得到的-> Ducdame是John Cowper Powysother的文字。

但是我需要“文本”标签中的全部内容。 这是我期望的结果。

<![CDATA[<html><body><p>Ducdame was John Cowper Powys<p>other text</p></p></body></html>]]>

我已经尝试了lxml，BeautifulSoup，但没有得到我期望的结果。 我真的需要帮助。

谢谢

Answer 1

下面的示例使用minidom模块。

import xml.dom.minidom

data = """<Text><![CDATA[<html><body><p>Ducdame was John Cowper Powys<p>other text</p></p></body></html>]]></Text>"""

p = xml.dom.minidom.parseString(data)
p = p.childNodes[0]
p = p.childNodes[0]
print p.toxml()

Answer 2

这是LXML的示例。 为了找到正确的标签，请在此处使用xpath .//text ：

from lxml import html
from lxml import etree

text = """<TextFormat>06</TextFormat>
<Text><![CDATA[<html><body><p>Ducdame was John Cowper Powys<p>other text</p></p></body>  </html>]]></Text>"""

tree = html.fromstring(text)
tags = tree.xpath('.//text')

text_tag = tags[-1]
print etree.tostring(text_tag)

产量

'<text><p>Ducdame was John Cowper Powys</p><p>other text</p></text>'

如果还需要CDATA ，则可以找到以下有用的文章： 如何使用ElementTree输出CDATA