XML子节点后文本提取失败，求合法性验证及Python解析方案

咱们一步步来拆解你的疑问：

1. 这份XML是合法的吗？ #

当然合法！XML本身就支持混合内容——也就是元素内部同时包含文本和子元素的结构，你的示例完全符合XML规范，没有语法问题。

2. 用ElementTree怎么解析出全部文本？ #

你之前只拿到部分文本，是因为Element.text只能获取当前元素第一个子元素之前的内容，而子元素后面的文本会被存在该子元素的tail属性里。要拿到所有文本，有两种简单的方法：

方法一：用内置的itertext()快速获取所有文本 #

ElementTree的元素对象自带itertext()方法，它会自动遍历当前元素及其所有子元素的所有文本节点，直接拼接就能得到完整内容：

import xml.etree.ElementTree as ET

tree = ET.parse('test.xml')
root = tree.getroot()
for post in root:
    full_content = ''.join(post.itertext()).strip()
    print(full_content)

运行后输出就是你想要的：

this is some text
here is some more text and a nested node and more text after the nested node

方法二：手动递归遍历（适合需要精细控制的场景） #

如果你需要分别处理子元素前后的文本，可以自己写递归函数来收集内容：

import xml.etree.ElementTree as ET

def collect_full_text(element):
    # 先拿元素开头的文本
    result = element.text or ''
    # 遍历所有子元素，收集子元素的文本和子元素后的tail文本
    for child in element:
        result += collect_full_text(child) + (child.tail or '')
    return result.strip()

tree = ET.parse('test.xml')
root = tree.getroot()
for post in root:
    print(collect_full_text(post))

这个方法和itertext()效果一样，但能让你更灵活地控制每一部分文本的处理逻辑。

要是你只想单独提取子元素前后的文本，直接访问属性就行：

import xml.etree.ElementTree as ET

tree = ET.parse('test.xml')
root = tree.getroot()
for post in root:
    print(f"子元素前的文本: {post.text.strip()}")
    for sub_node in post:
        print(f"子元素内的文本: {sub_node.text.strip()}")
        print(f"子元素后的文本: {sub_node.tail.strip()}")

输出会清晰拆分各部分内容：

子元素前的文本: this is some text
子元素前的文本: here is some more text
子元素内的文本: and a nested node
子元素后的文本: and more text after the nested node

3. 关于非法XML的解析建议（你的XML合法，所以这部分是额外补充） #

既然你的XML完全合规，就不用自己写解析器啦。如果以后遇到不规范的XML（比如缺失标签、格式混乱），可以试试这些方案：

• 用lxml库：它对不标准XML的容错性更强，还支持XPath查询，处理复杂结构更顺手
• 先做预处理：用正则表达式或工具修复XML的格式问题，再用标准库解析

内容的提问来源于stack exchange，提问作者jdillard