使用Python读取含嵌套标签的XML时，如何获取子标签后的后续文本？

这是ElementTree解析XML时很典型的一个小坑——它的文本模型把元素内的内容拆成了text和tail两部分，你遇到的情况完全正常，咱们来一步步解决它。

问题原因 #

在xml.etree.ElementTree的解析逻辑里：

• 元素的text属性，只包含该元素开始标签到第一个子元素之间的文本
• 每个子元素的tail属性，则包含该子元素结束标签到下一个子元素（或父元素结束标签）之间的文本

所以你第一个<p>里，, this is some follow-up text that is hidden for eternity.这段内容，其实是<bold>标签的tail属性值，而不是<p>的text或者子元素的内容。

解决方案：拼接text和tail获取完整文本 #

我们可以写一个简单的函数，把元素自身的text、所有子元素的text以及子元素的tail全部拼接起来，就能得到完整的内容了。如果有多层嵌套的标签，还可以改成递归版本。

基础版本（适用于单层子元素）

import xml.etree.ElementTree as ET

def get_full_element_text(element):
    # 先拿元素自身的text，为空的话用空字符串兜底
    full_text = element.text or ""
    # 遍历所有子元素
    for child in element:
        # 加上子元素的文本内容
        full_text += child.text or ""
        # 加上子元素后面的tail文本
        full_text += child.tail or ""
    return full_text

# 测试你的XML内容
xml_data = '''<?xml version="1.0"?>
<data>
    <p> This is an example of text <bold>just as everything else I write</bold>, this is some follow-up text that is hidden for eternity. </p>
    <p> This is more text with an <italic>strange</italic> example. </p>
</data>'''

root = ET.fromstring(xml_data)

# 获取第一个<p>的完整文本
first_p = root.find('p')
print(get_full_element_text(first_p))
# 输出： This is an example of text just as everything else I write, this is some follow-up text that is hidden for eternity. 

# 获取第二个<p>的完整文本
second_p = root.findall('p')[1]
print(get_full_element_text(second_p))
# 输出： This is more text with an strange example. 

递归版本（支持多层嵌套标签）

如果你的XML里有更深层次的嵌套标签（比如<p>文本<bold>加粗<italic>斜体</italic>内容</bold>后续</p>），上面的基础版本就不够用了，这时候可以用递归函数来处理：

def get_full_text_recursive(element):
    full_text = element.text or ""
    for child in element:
        # 递归获取子元素的完整文本
        full_text += get_full_text_recursive(child)
        # 加上子元素的tail
        full_text += child.tail or ""
    return full_text

这样不管标签嵌套多少层，都能正确拼接出所有文本内容。

内容的提问来源于stack exchange，提问作者Miguel Angel Alarcon Bustos