我有一个语料库,包含数万个XML文件(文件大小较小),我正在尝试使用Python并提取其中一个XML标记中包含的文本,例如,针对以下内容提取body标记中的所有内容:
<body> sample text here with <bold> nested </bold> tags in this paragraph </body>
接着编写一个包含此字符串的文本文档,并继续处理XML文件列表。
我正在使用effbot的ElementTree,但是找不到正确的命令/语法来执行此操作。我找到了一个使用miniDOM的dom.getElementsByTagName的网站,但我不确定ElementTree的对应方法是什么。任何想法都将不胜感激。
<bold>
或者只是其中的文本? - Facundo Cascobody
标签之外的任何内容吗? - poke