如何更简便地提取ElementTree中所有嵌套文本？

嘿，我太懂你这种不想写一堆繁琐循环的心情了！用xml.etree解析HTML的时候，.text属性确实够让人头疼——只能拿到元素第一级子节点的文本，嵌套在更深层的内容完全碰不到。

其实不用手动遍历所有子元素，ElementTree本身就有个很实用的方法能解决这个问题：itertext()。

这个方法会自动递归遍历目标元素及其所有子元素，把所有文本节点的内容都迭代出来。你只需要把这些文本片段拼接起来就行，代码超简洁：

from xml.etree import ElementTree as ET

# 假设你已经定位到了目标元素target_elem
full_text = ''.join(target_elem.itertext())

举个实际例子，如果你有这样的HTML结构：

<div class="content">
  欢迎来到
  <span>我的博客</span>
  ，这里有很多实用的编程技巧！
</div>

用itertext()就能一次性把“欢迎来到我的博客，这里有很多实用的编程技巧！”全部提取出来，完全不用自己写递归或者循环去处理每个子元素。

另外提一嘴，如果日常处理HTML的场景比较多，其实xml.etree对不规范HTML的兼容性一般，要是遇到复杂的页面结构，BeautifulSoup会更顺手，但如果就想坚持用xml.etree，itertext()绝对是最优雅的解决方案了。

内容来源于stack exchange