前言
Lxml是处理XML和Html的强大工具，但对于文本处理的方式和常见的DOM不同，特翻译相关文档，并增加部分注释。
1. Elements中的文本
Elements可以包含文本（text）。
>>> root = etree.Element("root")
>>> root.text = "TEXT"
>>> print(root.text)
TEXT
>>> etree.tostring(root)
b'<root>TEXT</root>'
在许多XML文档中（数据密集型文档），这是唯一可以找到文本的地方。它由树层次结构最底层的叶子标签（leaf tag）封装。
但是，如果 XML 用于“标记文本文档”（如 （X）HTML），则文本也可以出现在不同元素之间，恰好在树的中间。
译注：中间是和叶子节点对比的说法，表示没有被最底层的节点包围。
<html><body>Hello<br/>World</body></html>
此处，<br/>标记被文本包围。这通常称为文档样式（document-style）或混合内容 XML（mixed-content XML）。Elements通过其tail属性支持这一点。它包含直接跟随该元素的文本，直至 XML 树中的下一个元素：
>>> html = etree.Element("html")
>>> body = etree.SubElement(html, "body")
>>> body.text = "TEXT"
>>> etree.tostring(html)
b'<html><body>TEXT</body></html>'
>>> br = etree.SubElement(body, "br")
>>> etree.tostring(html)
b'<html><body>TEXT<br/></body></html>'
>>> br.tail = "TAIL"
>>> etree.tostring(html)
b'<html><body>TEXT<br/>TAIL</body></html>'
.text 和 .tail 这两个属性足以表示 XML 文档中的任何文本内容。这样，除了 Element 类之外，ElementTree API 不需要任何特殊的文本节点，这些节点往往会经常造成阻碍（正如您可能从经典的 DOM API 中知道的那样）。
译注：下面介绍了tostring()方法提供的便利功能。
但是，在某些情况下，尾部（tail）文本也会妨碍您。例如，当您从树的中间（译注：树的中间节点，也就是序列化树的一个子树）序列化 Element 时，您并不总是希望其尾部文本出现在结果中（尽管您仍然需要其孩子节点的尾部文本）。为此，tostring()函数接受关键字参数with_tail：
>>> etree.tostring(br)
b'<br/>TAIL'
>>> etree.tostring(br, with_tail=False) # lxml.etree only!
b'<br/>'
如果只想读取文本，即不带任何中间标记，则必须以正确的顺序递归连接所有文本和尾部属性。同样，tostring() 函数可以帮上忙，这次使用 method 关键字：
>>> etree.tostring(html, method="text")
b'TEXTTAIL'
2. 使用Xpath来查找文本
提取树的文本内容的另一种方法是 XPath，它还允许您将单独的文本块（text chunks）提取到列表中：
>>> print(html.xpath("string()")) # lxml.etree only!
TEXTTAIL
>>> print(html.xpath("//text()")) # lxml.etree only!
['TEXT', 'TAIL']
如果要频繁地使用它，可以将其包装在函数中：
>>> build_text_list = etree.XPath("//text()") # lxml.etree only!
>>> print(build_text_list(html))
['TEXT', 'TAIL']
请注意，XPath 返回的字符串结果是一个特殊的"智能"对象，它知道其来源（origins）。你可以通过它的getparent方法询问它来自哪里，就像使用Elements对象一样：
>>> texts = build_text_list(html)
>>> print(texts[0])
TEXT
>>> parent = texts[0].getparent()
>>> print(parent.tag)
body
>>> print(texts[1])
TAIL
>>> print(texts[1].getparent().tag)
br
您还可以找出它是正常的文本内容还是尾部文本：
>>> print(texts[0].is_text)
True
>>> print(texts[1].is_text)
False
>>> print(texts[1].is_tail)
True
虽然这适用于 text()函数（译注：这个text()函数，表示xpath表达式最后的text()，例如/root/text()）的结果，但 lxml 不会告诉您由 XPath 函数 string()或 concat() 构造的字符串值的来源：
>>> stringify = etree.XPath("string()")
>>> print(stringify(html))
TEXTTAIL
>>> print(stringify(html).getparent())
None
4233
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
