标记python内的零件文本

使用XML解析器,例如 xml.etree ( live demo ):

import xml.etree.ElementTree as ET
doc = ET.parse('collection.txt')
print([el.text.strip() for el in doc.findall('.//text')])
# output: ['I want this', 'And this', 'and this']

您可以按如下方式使用BeautifulSoup来获取所有文本条目:

from bs4 import BeautifulSoup

with open('collection.txt') as f:
    read_data = f.read()

soup = BeautifulSoup(read_data, 'xml')

for text in soup.find_all('text'):
    print(text.get_text(strip=True))

为您提供:

I want this
And this
and this

你绝对应该 避免 尝试使用正则表达式进行此类解析,因为对于更复杂的示例,它很快就会失败,例如,如果使用注释,如 <!-- </text> --> 在数据中间,应该忽略它。

regex是你最好的朋友!

import re

p = re.compile(r'<text>([^</]*)</text>')
result = p.findall(data_txt)
result = [x.strip() for x in result]
print(result)

re.findall('<text>\s*.*\s*</text>', data)

另一种解决方案