Question

我能够获取图像标签中的值（请参见下面的XML），但不能获取类别标签中的值。区别在于一个是CDATA部分，另一个只是一个字符串。任何帮助将不胜感激。

from xml.dom import minidom

xml = """<?xml version="1.0" ?>
<ProductData>
    <ITEM Id="0471195">
        <Category>
            <![CDATA[Homogenizers]]>        
        </Category>
        <Image>
            0471195.jpg
        </Image>
    </ITEM>
    <ITEM Id="0471195">
        <Category>
            <![CDATA[Homogenizers]]>        
        </Category>
        <Image>
            0471196.jpg
        </Image>
    </ITEM>
</ProductData>
"""

bad_xml_item_count = 0
data = {}
xml_data = minidom.parseString(xml).getElementsByTagName( ProductData )
parts = xml_data[0].getElementsByTagName( ITEM )
for p in parts:
    try:
        part_id = p.attributes[ Id ].value.strip()
    except(KeyError):
        bad_xml_item_count += 1
        continue
    if not part_id:
        bad_xml_item_count += 1
        continue
    part_image = p.getElementsByTagName( Image )[0].firstChild.nodeValue.strip()
    part_category = p.getElementsByTagName( Category )[0].firstChild.data.strip()
    print  	 .join([part_id, part_category, part_image])

Answer 1

p.getElementsByTagName(分类)[0].firstChild

minidom不会将<！[CDATA[部分扁平化为纯文本，它会将它们保留为DOM CDATASection节点。（可以说至少应该如此。DOM Level 3 LS默认将它们扁平化，但是minidom比DOM L3旧得多。）

因此，Category的第一个子节点是表示开放标记和CDATA部分开头之间的空格的Text节点。它有两个兄弟节点：CDATASection节点和另一个尾随空格Text节点。

你可能想要的是 Category 的所有子元素的文本数据。在 DOM Level 3 Core 中，你只需调用：

p.getElementsByTagName( Category )[0].textContent

但是 minidom 目前还不支持这个。最近的版本，不过，支持另一种级别 3 的方法，您可以使用更迂回的方式来完成相同的事情：

p.getElementsByTagName(分类)[0].firstChild.wholeText

Answer 2

CDATA 是自己的节点，所以这里的 Category 元素实际上有三个子节点，一个空格文本节点、CDATA 节点和另一个空格节点。你只是看错了一个，就是这样。我没有看到任何更明显的查询 CDATA 节点的方法，但是你可以像这样取出它：

[n for n in category.childNodes if n.nodeType==category.CDATA_SECTION_NODE][0]

Answer 3

我遇到了类似的问题。我的解决方案与ironfroggy的答案类似，但实现得更加通用：

for node in parentNode.childNodes:
        if node.nodeType == 4:
            cdataContent = node.data.strip()

CDATA节点类型为4（CDATA_SECTION_NODE）

友情链接