如何在python中正确解析xml注释？

问题描述

我最近一直在使用Python，我想从给定的XML文件中提取信息。问题是，信息存储得非常糟糕，采用这样的格式

<Content>
   <tags>
   ....
   </tags>
<![CDATA["string1"; "string2"; ....
]]>
</Content>

我不能在这里发布全部数据，因为它大约有20.000行。 我只想收到包含["字符串1"，"字符串2"，.]的列表。这是我到目前为止一直在使用的代码：

import xml.etree.ElementTree as ET

tree = ET.parse(xmlfile)
for node in tree.iter('Content'):
    print (node.text)

但是，我的输出为NONE。我如何接收评论数据？(再次声明，我使用的是Python)

---

解决方案

您需要创建基于SAX的解析器，而不是基于DOM的解析器。尤其是像您这样大的文档。

基于SAX的解析器要求您编写自己的数据存储控制逻辑。这比简单地将其加载到DOM中要复杂得多，但是因为它是逐行加载而不是一次加载整个文档，所以速度要快得多。这使它的优势在于，它可以使用注释处理像您这样奇怪的情况。

在生成处理程序时，您可能希望在解析器中使用LexicalHandler来提取这些注释。

我想给您一个关于如何构建它的工作示例，但是我已经很久没有亲自做过了。网上有很多关于如何构建基于SAX的解析器的指南，并且将把讨论推迟到另一个主题。