使用lxml库解析xliff文件

Question

我无法解析此xliff片段：

<source>text1 <g id="1">text2</g> text3 <x id="2"/><x id="3"/>text4</source>

我想有一个在源代码上运行并填充类似内容的迭代方法

parsed_source[0]='text1'
parsed_source[1]='<g id="1">text2</g>'
parsed_source[2]='text3'
parsed_source[3]='<x id="2"/>'
parsed_source[4]='<x id="3"/>'
parsed_source[5]='text4'

这样，如果需要，我可以再次遍历xml片段[1]，[3]和[4] ...

以lxml为例：

from lxml import etree
tree = etree.iterparse('aFile.xlf')
for action, elem in tree:
    print("%s: %s %s" % (action, elem.tag, elem.text))

我得到类似的东西：

end: source text1
end: g text2
end: x None
end: x None

而且我无法解析text3和text4 ...我该怎么做？ 谢谢

Answer 1

您需要考虑tail属性（元素后面的文本）。 在此处阅读有关内容： http : //infohost.nmt.edu/tcc/help/pubs/pylxml/web/etree-view.html 。

以下代码段（对您的代码稍作修改）进行了演示：

from lxml import etree

tree = etree.iterparse('aFile.xlf')
for action, elem in tree:
    print("%s: %s %s %s" % (action, elem.tag, elem.text, elem.tail))

输出：

end: g text2  text3 
end: x None None
end: x None text4
end: source text1  None