主页 / 问题 / 1606564
Accepted
Евграф Котовский
Asked:2025-02-10 08:41:18 +0000 UTC2025-02-10 08:41:18 +0000 UTC

为什么解析 XML（FB2）时字符串值为空

  • 772

晚安。我编写了这个类来解析 XML：

from xml.dom.minidom import parse
from xml.dom import minidom

class Book(object):

    def __init__(self, filename):
        self.filename = filename

    def parse(self):
        with open(self.filename, "r", encoding="UTF-8") as document:
            document = parse(document)
            print(document.version, document.encoding, document.standalone)
            paragraphs = document.getElementsByTagName("section")
            for paragraph in paragraphs:
                text_nodes = [
                    node.nodeValue for node in paragraph.childNodes
                    if node.nodeType == minidom.Node.TEXT_NODE
                ]
                text = "".join(text_nodes)
            return text

当我输出结果时，有一个空行。 fb2文件本身是正确的，可以用程序打开。但它对我不起作用。这是为什么？

python

2 个回答

  1. Best Answer

    这就是内部循环的工作原理。首先，你只能得到解析最后一个section元素的结果（即文本没有被“累积”）；其次，你需要再“更深”一层去提取文本。

            text = ""
        for paragraph in paragraphs:
            text_nodes = [
                node.childNodes[0].nodeValue for node in paragraph.childNodes
                if node.nodeName == 'p' and node.childNodes[0].nodeValue
            ]
            text += "".join(text_nodes)
        return text

    附注：您不应将部分元素的搜索结果称为段落:)

    • 2

  2. 在您的代码中，事实证明在text_nodes然后在只有最后一段的text内容最终出现，因为这些变量在循环的每次迭代中都被重新分配。如果要查看所有段落的内容，则需要将所有段落收集到列表中，而不仅仅是最后一个段落，并在循环结束后将其转换为：text_nodestext

                text_nodes = [] 
            for paragraph in paragraphs:
                text_nodes.extend([
                    node.nodeValue for node in paragraph.childNodes
                    if node.nodeType == minidom.Node.TEXT_NODE
                ])
            text = "".join(text_nodes)
            return text
    • 1

相关问题