迭代python中的xml元素时缺少一些文本

问题描述

尝试这个：

from lxml import etree

tree = etree.fromstring("<foo> AAA <bar> BBB </bar> XXX </foo>")
foos = tree.xpath('//foo')

for foo in foos:
    for j in foo.iter():
        print j.tag, j.text, j.tail

输出：

foo  AAA  None
bar  BBB   XXX

该tail属性将文本保留在元素的结束标记之后。

tail与其他XML模型（例如DOM）相比，lxml和ElementTree具有特殊性。有关更多信息，请参见http://infohost.nmt.edu/tcc/help/pubs/pylxml/web/etree- view.html。

解决方法

我在Mac OS X 10.6.8上的Python 2.7.3中运行以下代码。

import StringIO
from lxml import etree
f = open('./foo','r')
doc = ""
while 1:
    line = f.readline()
    doc += line
    if line == "":
        break
tree = etree.parse(StringIO.StringIO(doc),etree.HTMLParser())
r = tree.xpath('//foo')
for i in r:
    for j in i.iter():
        print j.tag,j.text

并且文件foo包含

<foo> AAA <bar> BBB </bar> XXX </foo>

输出是

foo AAA
bar BBB

为什么我没有收到短信XXX？我该如何访问？

谢谢