如何用Python的etree XMLPullParser获取所有文本节点？

我尝试用Python的etree XMLPullParser做非阻塞XML解析，但这个解析器不会把文本节点作为事件上报，官方说明它仅支持"start"、"end"、"comment"、"pi"、"start-ns"和"end-ns"这些事件。现在我想从元素事件里获取文本，但只能拿到每个元素的第一个文本节点，比如示例里的"text3"就获取不到，请问XMLPullParser能不能获取所有文本节点？怎么改代码拿到"text3"？

示例代码：

import xml.etree.ElementTree as ET

# It seems "text3" cannot be accessed by the following code?!
xml = "<a>text1<b>text2</b>text3</a>"

# There is no "text" or "characters" event type.
# All we can access is start-element and end-element.
eventsToHandle = ["start", "end"]
parser = ET.XMLPullParser(eventsToHandle)

# There is no "text3" in the output.
parser.feed(xml)
for e, x in parser.read_events():
    print(e, f"<{x.tag}>", f"(text: {x.text})")

当前输出（无"text3"）：

start <a> (text: text1)
start <b> (text: text2)
end <b> (text: text2)
end <a> (text: text1)

解决方案 #

XMLPullParser确实没有专门的文本节点事件，但可以通过元素的**tail属性**捕获后续文本——也就是当前元素结束标签之后、下一个元素（或父元素结束标签）之前的内容。

你的示例中，<b>元素的tail属性就是"text3"，修改代码时同时打印text和tail即可：

修改后的代码：

import xml.etree.ElementTree as ET

xml = "<a>text1<b>text2</b>text3</a>"

eventsToHandle = ["start", "end"]
parser = ET.XMLPullParser(eventsToHandle)

parser.feed(xml)
for e, x in parser.read_events():
    log = f"{e} <{x.tag}>"
    if x.text:
        log += f" (text: {x.text})"
    if x.tail:
        log += f" (tail: {x.tail})"
    print(log)

修改后的输出：

start <a> (text: text1)
start <b> (text: text2)
end <b> (text: text2) (tail: text3)
end <a> (text: text1)

关键说明 #

• element.text：元素开始标签后、第一个子元素（或结束标签）前的文本
• element.tail：元素结束标签后、下一个元素（或父元素结束标签）前的文本

通过同时处理这两个属性，就能捕获XML中所有分散的文本内容。

内容的提问来源于stack exchange，提问作者Presidio Vantage