非標準xml用のPythonでの適切なxpath構文

Question

入力ファイルは実際には1つのファイルに追加される複数のXMLファイルです。 （ソース：Google Patents）。これは一例です：

<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE us-patent-grant SYSTEM "us-patent-grant-v42-2006-08-23.dtd" [ ]> 
<us-patent-grant lang="EN" dtd-version="v4.2 2006-08-23"> 
<applicants> 
<applicant sequence="001" app-type="applicant-inventor" designation="us-only"> 
<addressbook><last-name>Beyer</last-name> 
<first-name>Daniel Lee</first-name> 
<address><city>Franklin</city> 
<state>TN</state> 
<country>US</country></address></addressbook> 
<nationality><country>omitted</country></nationality> 
<residence><country>US</country></residence> 
</applicant> 
<applicant sequence="002" app-type="applicant-inventor" designation="us-only"> 
<addressbook><last-name>Friedland</last-name> 
<first-name>Jason Michael</first-name> 
<address><city>Franklin</city> 
<state>TN</state> 
<country>US</country></address></addressbook> 
<nationality><country>omitted</country></nationality> 
<residence><country>US</country></residence> 
</applicant> 
</applicants> 
</us-patent-grant> 
<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE us-patent-grant SYSTEM "us-patent-grant-v42-2006-08-23.dtd" [ ]> 

私はlxmlのとpythonで、以下のものを使用して<applicant>内の子供や孫のすべてのための"-".joinのXPath文字列を作成しようとしています：

import urllib2, os, zipfile 
from lxml import etree 
count = 0 
for item in xmlSplitter(zf.open(xml_file)): 
    count += 1 
    if count > 1: break 
    doc = etree.XML(item) 
    docID = "-".join(doc.xpath('//publication-reference/document-id/*/text()')) 
    title = first(doc.xpath('//invention-title/text()')) 
    applicant = "-".join(doc.xpath('//applicants/applicant/*/text()')) 
    print "DocID: {0}\nTitle: {1}\nApplicant: {2}\n".format(docID,title,applicant) 
    outFile.write(str(docID) +"|"+ str(title) +"|"+ str(applicant) +"\n") 

私は複合語xpath combinationsを試しましたが、<applicants>のハイフンで文字列を生成することはできません。//text（）は孫に到達できませんストリングスを助けてください。子孫と孫の中のすべてのテキストを<applicant>として選択するには、適切なxpath構文は何ですか？それでも文字列で打ち抜きますか？この例では表示されていませんが、テキスト行の先頭にも存在する可能性のあるUnicodeを無視する方法があります（後のxmlドキュメントの一部に表示されると思います）。私のようなものになります得ることを望んだ「申請者出力：

Beyer-Daniel Lee-Franklin-TN-US-omitted-US-Friedland-Jason Michael-Franklin-TN-US-omitted-US 

Answer 1

この質問はthis other question of yoursと非常によく似ています。

二つの問題がここにあります

1. はどのように「非標準XML」を「標準XML」から取得するには？
2. 子孫要素のテキスト値を取得して連結するにはXPathをどのように使用するのですか？

攻撃する前に1を解決する必要があります。2.それに助けが必要な場合は、別の質問をしてください。

「非標準XML」はと全く同じXMLではありません。です。 XMLとして解析することはできず、XPathを使用することはできません。しかし、とにかくそれをやろうとしているように見えるように、あなたはその質問を表現しました。

あなたの質問は実際には「標準XML」で作業していると仮定すると、my answer to your other questionと同じアプローチを使用するとどうなりますか？