LXML GetIterator()的怪异行为

默认情况下 lxml.etree 将标记之间的空文本视为该标记的文本内容,在这种情况下,显示的空白来自 <x> . 如果您想要一个忽略空白的解析器,您将需要执行如下操作:

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

注意如何 node.text 如果没有文本,则返回“无”。还要注意 the API documentation for lxml 说明 getiterator() 被否决,赞成 iter() .

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

虽然我不确定,但我认为它试图在<x>中读取文本。

总之,怎么了

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