Python XML拉式解析器

Question

我正在尝试使用Python解析XML文件。 由于XML的大小，我想使用Pull Parser。 我找到了这个 。

我的代码以

doc = pulldom.parse("myfile.xml")
for event, node in doc:
    # code here...

我在用

if (node.localName == "b"):

获取XML标签名称，并且效果很好。

我找不到怎么做的是从标签之间获取文本。 使用node.nodeValue返回None 。

我可以使用node.toxml()来获取该节点的完整XML，但是我只想要标记之间的文本。 除了使用正则表达式替换将标签从node.toxml()取出之外， node.toxml()吗？

Answer 1

对于每个带有文本的标签，您有两个本地名称为“ b”的节点START_ELEMENT和END_ELEMENT 。 通常，您应该收到以下内容：

START_ELEMENT
CHARACTERS
END_ELEMENT

因此，您要在匹配起始元素之后寻找字符。 您可能要尝试这样的事情：

from xml.dom.pulldom import CHARACTERS, START_ELEMENT, parse

doc = parse("myfile.xml")
text_expected = False
for event, node in doc:
    print event, node
    if text_expected:
        text_expected = False
        if event != CHARACTERS:
            # strange .. there should be some
            continue
        print node.data
    else:
        text_expected = (event == START_ELEMENT) and (node.localName == "b")

有了这个myfile.xml

<a>
    <b>c1</b>
    <b>c2</b>
</a>

我得到了输出

c1
c2

请注意，您可能需要strip()每个字符串，并且必须忽略所有其他CHARACTERS -event。 两个元素之间的每个换行和空格都会生成CHARACTERS事件。