我目前正在編寫一個 python 腳本，可以提取 xml 文件中的所有文本。我正在使用元素樹庫來解釋數據，但是我遇到了這個問題，但是當數據的結構如下時......<Segment StartTime="639.752" EndTime="642.270" Participant="fe016">
But I bet it's a good <Pause/> superset of it.
</Segment>當我試圖讀出文本時，我在暫停標記之前得到了段的前半部分（“好吧。所以我們有什么”）。我想弄清楚是否有辦法忽略數據段中的標簽并打印出所有文本。
2 回答
守著星空守著你
TA貢獻1799條經驗 獲得超8個贊
另一種解決方案。
from simplified_scrapy import SimplifiedDoc,req,utils
html = '''<Segment StartTime="639.752" EndTime="642.270" Participant="fe016">
But I bet it's a good <Pause/> superset of it.
</Segment>'''
doc = SimplifiedDoc(html)
print(doc.Segment)
print(doc.Segment.text)
結果：
{'StartTime': '639.752', 'EndTime': '642.270', 'Participant': 'fe016', 'tag': 'Segment', 'html': "\n But I bet it's a good <Pause /> superset of it.\n"}
But I bet it's a good superset of it.
這里有更多例子。https://github.com/yiyedata/simplified-scrapy-demo/blob/master/doc_examples
蕭十郎
TA貢獻1815條經驗 獲得超13個贊
xml = '''<Segment StartTime="639.752" EndTime="642.270" Participant="fe016">
But I bet it's a good <Pause/> superset of it.
</Segment>'''
# solution using ETree
from xml.etree import ElementTree as ET
root = ET.fromstring(xml)
pause = root.find('./Pause')
print(root.text + pause.tail)
添加回答
舉報
0/150
提交
取消