怎么样从一个含有 xml 标签的字符串中截取内容

一个字符串，含有标签。如下所示：
<string xmlns="http://schemas.microsoft.com/2003/10/Serialization/">Hello, how can I get to the railway station?</string>

问题：
这个内容（本例中是：“ Hello .... station?”）是变化的。
想只把内容取出来，也就是不要那些标签， Python 好像没有什么简单的办法？大家有没有好主意，一两条语句搞定，最好只使用标准库。

字符串

标签

标准库

string

25 replies • 2015-09-03 08:24:46 +08:00

abelyao

Aug 31, 2015

正则表达式…

seki

Aug 31, 2015

https://docs.python.org/2/library/markup.html

adrianzhang

Aug 31, 2015

@abelyao
@seki
谢谢两位帮忙。我想到了一个简单的办法：取这个字符串的[68:-9]

abelyao

Aug 31, 2015

@adrianzhang 如果确定标签、以及标签属性都是固定的，那这样确实是最方便的

secondwtq

Aug 31, 2015

@adrianzhang 总感觉这样好奇怪...

先不说标签发生变化的情况，这个读起来貌似不是很直观...

adrianzhang

Aug 31, 2015

@secondwtq
@abelyao

标签不变。想了很多方法，解析 xml 啦，解析 html 啦，等等，都好复杂。只有这方法能一条语句解决问题。

abelyao

Aug 31, 2015

@adrianzhang 正则也是一句搞定，思路就是取第一个 <> 开始的内容，到最后一个 </> 结束之前。

iniwap

Aug 31, 2015

。。。太不优雅了

firemiles

Aug 31, 2015

str1.replace ('<string xmlns="http://schemas.microsoft.com/2003/10/Serialization/">','').replace ('</string>','')
是不是更好看点

adrianzhang

Aug 31, 2015

@abelyao show me the code?
@firemiles 嗯嗯，好看！我去 test test 。
@iniwap 给个优雅的办法？

em70

Aug 31, 2015

#提取任意两个字符串之间的内容
def txt_wrap_by (html,start_str, end,y ):
start = html.find (start_str )
if start >= 0:
start += len (start_str )
end = html.find (end, start )
if end >= 0:
return html[start:end].strip ()

adrianzhang

Aug 31, 2015

@firemiles 在双引号前加反斜杆转义一下就 OK 了。这个写法真好！

@em70 嗯嗯，谢谢。想用一两句语句解决这问题。

abelyao

Aug 31, 2015 via iPhone

@adrianzhang 思路都说了还 show me the code 呵呵

em70

Aug 31, 2015

@adrianzhang 函数都给你定义了,不就是 txt_wrap_by 一行代码搞定了吗,python 没有这种内置函数,PHP 有,要不你换个语言?

adrianzhang

Aug 31, 2015

@em70 明白了。谢谢。

zhicheng

Aug 31, 2015 via Android

烂代码和烂系统就是这么来的。

secondwtq

Aug 31, 2015

感觉有时候总是要 oneliner 不是什么好习惯呢。

借一下 2 楼的资料：

import xml.etree.ElementTree
xml.etree.ElementTree.fromstring ('<somestring>').text

hsyu53

Aug 31, 2015 via Android

lxml 专干个事的

bbking

Aug 31, 2015

xml.dom, lxml 都可以

adrianzhang

Aug 31, 2015

@secondwtq 原来是这样实现？！没提问题之前看这个库看得头晕。终于找到我认为的最优解了。多谢！ 10 个铜板奉上！

racal

Sep 1, 2015 via Android

用正则轻松解决

TimePPT

PRO

Sep 1, 2015

Beautiful Soup 你值得拥有

TimePPT

PRO

Sep 1, 2015

好吧，没仔细审题，最好标准库...

guoqiao

Sep 3, 2015

关于这个问题, 如果只是一次性的, 我目前见到的最有创意的方法, 是在浏览器的控制台里, 用 jQuery 的选择器, 一行代码搞定. jQuery 虽然是针对 html 设计的, 但是在 xml 上一样好用.
即使不是一次性的, 也可以考虑用 Phantomjs + JQuery 等 JS 解决方案, 应当是最优雅的.
说 BS, PyQuery, lxml 的各位, 且不说这个几个库是否好用, 光是安装它们时的依赖问题, 就够让人烦的.

adrianzhang

Sep 3, 2015

@guoqiao 这是 python 程序编写过程中的一个小坎坷，用 jQuery 岂不是要安装相关的东东？我认为比较好的那个回复，采用的是标准库，不需要安装什么的。