我认为
我有一个XML文件，看起来像这样:
<TAG1>
<TAG2 attribute1 = "attribute_i_need" attribute2 = "attribute_i_dont_need" >
Text I want to use
</TAG2>
<TAG3>
Text I'm not interested in
</TAG3>
<TAG4>
More text I want to use
</TAG4>
我需要的是以某种方式获得"我想使用的文本"one_answers"我想使用的更多文本"，但不是"我不感兴趣的文本"，以字符串的形式，可以稍后由一些任意函数使用。我还需要以字符串的形式获得"attribute_i_need"。我以前没有真正使用过sax解析器，因此完全卡住了。我可以使用以下命令打印文档中的所有文本:
import xml.sax
class myHandler(xml.sax.ContentHandler):
def characters(self, content):
print (content)
parser = xml.sax.make_parser()
parser.setContentHandler(myHandler())
parser.parse(open("sample.xml", "r"))
这基本上会给我输出:
Text I want to use
Text I'm not interested in
More text I want to use
但问题是双重的。首先，这包括我不感兴趣的文本。其次，它所做的只是打印文本。我不知道如何打印特定的文本，或编写代码，将返回文本作为一个字符串，我可以分配给一个变量和以后使用。我甚至不知道如何开始提取我感兴趣的属性。
有谁知道如何解决这个问题吗?我更喜欢包含sax解析器的解决方案，因为我至少对它的工作原理有一个模糊的理解。这个想法是在遇到TAG2或TAG4后开始保存所有字符，并在元素结束时停止。开始元素还提供了检查和保存感兴趣的属性的机会。
import xml.sax
class myHandler(xml.sax.ContentHandler):
def __init__(self):
self.text = []
self.keeping_text = False
self.attributes = []
def startElement(self, name, attrs):
if name.lower() in ('tag2', 'tag4'):
self.keeping_text = True
try:
# must attribute1 be on a tag2 or anywhere?
attr = attrs.getValue('attribute1')
self.attributes.append(attr)
except KeyError:
pass
def endElement(self, name):
self.keeping_text = False
def characters(self, content):
if self.keeping_text:
self.text.append(content)
parser = xml.sax.make_parser()
handler = myHandler()
parser.setContentHandler(handler)
parser.parse(open("sample.xml", "r"))
print handler.text
print handler.attributes
# [u'n', u' Text I want to use', u'n', u' ',
# u'n', u' More text I want to use', u'n', u' ']
# [u'attribute_i_need']
BeautifulSoup甚至是裸lxml更容易。