мне нужно сделать некоторые манипуляции с текстом внутри одного из тегов и хочет получить родительский тег для каждого найденного текста узла для этогоПочему getparent() работает не так, как ожидалось?
Код:
import lxml.etree
import pprint
s = '''
<data>
data text
<foo>foo - <bar>bar</bar> text</foo>
data text
<bar>
bar text
<baz>baz text</baz>
<baz>baz text</baz>
bar text
</bar>
data text
</data>
'''
etree = lxml.etree.fromstring(s)
text = etree.xpath("//text()[normalize-space()]")
pprint.pprint([(s.getparent().tag, s.strip()) for s in text])
Выход:
[('data', 'data text'),
('foo', 'foo -'),
('bar', 'bar'),
('bar', 'text'),
('foo', 'data text'),
('bar', 'bar text'),
('baz', 'baz text'),
('baz', 'baz text'),
('baz', 'bar text'),
('bar', 'data text')]
I ожидается:
[('data', 'data text'),
('foo', 'foo -'),
('bar', 'bar'),
('foo', 'text'),
('data', 'data text'),
('bar', 'bar text'),
('baz', 'baz text'),
('baz', 'baz text'),
('bar', 'bar text'),
('data', 'data text')]
Где моя ошибка? Похоже на теги в моем представлении - это не родительский тег для текста в дереве, а просто предыдущий тег.
Редактировать Рабочий код для моих потребностей:
etree = lxml.etree.fromstring(s)
text = etree.xpath("//text()[normalize-space()]")
for s in text:
if s.is_tail:
print(s.getparent().getparent().tag, s.strip())
else:
print(s.getparent().tag, s.strip())