如何移除XML中所有同类型嵌套标签？附实现代码求验证

嘿，我最近碰到个XML处理的小需求：要移除所有同类型的嵌套标签。具体来说，就是对每个XML元素，只要在它的子树里找到和它同名的子元素，就把这个子元素的标签删掉，只保留里面的内容——举个直观的例子，就是把 <a>...<a>...</a>...</a> 转换成 <a>.........</a> 这种形式。

我用lxml包写了一段看起来挺简洁的代码，用到了里面的iter()和strip_tags()方法，思路特别直接：

import lxml.etree

root = lxml.etree.parse('book.txt')

for element in root.iter():
    lxml.etree.strip_tags(element, element.tag)

print(lxml.etree.tostring(root).decode())

我还准备了测试用的输入文件内容，比如：

<book>
    <b><title>My <b>First</b> Book</title></b>
</book>

这段代码的逻辑其实很好理解：遍历XML树里的每一个元素，然后对当前元素，调用strip_tags()方法移除它下面所有和它同名的子标签，这样就能批量处理所有同类型的嵌套情况啦。

备注：内容来源于stack exchange，提问作者Jeyekomon