lxml提取XML文本问题：如何获取title节点内的目标文本

你的问题出在：title.text只能获取<title>标签后第一个子节点（也就是第一个<indexmarker>）之前的空白内容，而你要的Text Here是最后一个<indexmarker>节点的tail属性值——因为它是紧跟在该子节点后的文本内容。

下面是两种不修改XML结构的解决方案：

方法一：直接获取最后一个indexmarker的tail文本 #

这种方法精准定位目标文本所在的位置：

from lxml import etree

xml = '''<root>
    <title>
        <indexmarker marker="AAA"/>
        <indexmarker marker="BBB"/>
        <indexmarker marker="CCC"/>Text Here
    </title>
</root>'''

root = etree.fromstring(xml)
titles = root.findall('title')
title = titles[0]
# 找到title下所有indexmarker节点，取最后一个的tail
last_marker = title.findall('indexmarker')[-1]
target_text = last_marker.tail.strip()  # strip()去除文本前后的空白字符
print(target_text)  # 输出: Text Here

方法二：提取title节点下所有文本内容并整理 #

如果title节点内除了目标文本外没有其他多余文本，这种方法更通用：

from lxml import etree

xml = '''<root>
    <title>
        <indexmarker marker="AAA"/>
        <indexmarker marker="BBB"/>
        <indexmarker marker="CCC"/>Text Here
    </title>
</root>'''

root = etree.fromstring(xml)
titles = root.findall('title')
title = titles[0]
# 遍历title节点下所有文本节点（包括text和tail）并拼接
all_text = ''.join(title.itertext()).strip()
print(all_text)  # 输出: Text Here

补充说明 #

在lxml的元素模型里：

• 元素的text属性：仅存储该元素开始标签与第一个子元素（或结束标签）之间的文本
• 元素的tail属性：存储该元素结束标签与下一个元素（或父元素结束标签）之间的文本

你之前尝试的title.attrib等方法，都是针对元素属性的操作，自然拿不到文本内容。

内容的提问来源于stack exchange，提问作者baconm