lxml getiterator（）的奇怪行为

Question

我有以下XML文档：

<x>
  <a>Some text</c>
  <b>Some text 2</b>
  <c>Some text 3</c>
</x>

我想得到所有标记的文本，所以我决定使用getiterator()。在

我的问题是，它加起来的空白行的原因我不明白。考虑一下这个：

^{pr2}$

注意“sometext”前面的两个空行。这是什么原因？如果我将一个标记传递给getiterator()方法，那么就没有空行了。在

>>> for text in document_root.getiterator('a'):
...     print text.text
... 
Some text

所以我的问题是，如果我不带标记传递getiterator()，是什么导致了这些额外的空行，我如何删除它们？在

Answer 1

默认情况下，lxml.etree将把标记之间的空白文本视为该标记的文本内容，在您的例子中，显示的空白来自<x>。如果您想要一个忽略空白的解析器，您需要执行以下操作：

from lxml import etree

parser = etree.XMLParser(remove_blank_text=True)

tree = etree.XML("""\
    <x>
      <a>Some text</a>
      <b>Some text 2</b>
      <c>Some text 3</c>
    </x>
""", parser)

for node in tree.iter():
    if node.text == None: continue
    print node.text

注意如果根本没有文本，node.text将如何返回None。还要注意，the API documentation for lxml声明{}被弃用，取而代之的是{}。在

有关详细信息，请参阅The lxml.etree Tutorial: Parser objects。在

Answer 2

虽然我不确定，但我认为它是在<；x>；内读取文本；。在

总之，怎么了

for text in document_root.getiterator():
    if text.strip() == '': continue
    print text