lxml要素の後ろにテキストがあるかどうかチェックする（tailだけではない）

Question

特定のタグ（<question>）が埋め込まれたxml文書を解析しているので、閉じた後にテキストがあるかどうかを確認する必要があります終了親タグ</Turn>まで、</question>タグを使用します。問題は、</question>と</Turn>の間に他のタグがある可能性があります。改行や空白、さらにはこれらのすべてであっても、質問の尾だけでは不十分です。ここで

は、私が働いているxmlファイルの一部のいくつかの例です：

<root> 
<Turn speaker="spk2" startTime="5121.203" endTime="5136.265"> 
<question startline="8321" endline="8326"> 
<Sync time="5121.203"/> 
some text 
<Sync time="5126.531"/> 
<Sync time="5127.662"/> 
other text?</question><question startline="8326" endline="8326"> 
here are some other words? 
</question> 
<Sync time="5128.514"/> 
THIS IS SOME TEXT I WANT TO GET <anothertag att="2"/> SOME OTHER TEXT 
<annoyingtag att="blah"/> 
AND THIS TOO 

</Turn> 

<Turn> 
<question> 
this is a question? 
</question> 
this is not, I want to get this text. 
</Turn> 

<Turn> 
There could be a turn with no question here. 
</Turn> 

<Turn> 
<question> 
and then another with a question? 
</question> 
followed by 
<Sync/> 
other text 

but also 
<Event/> 
other tags 

<Who/> 
and I want to get all this text. 
</Turn> 
</root> 

私はpythonでlxmlのを使用してXMLを処理しています。私は</question>と</Turn>の間にいくつかのテキストがあるかどうかを確認したい場合は、私のようなループ処理の質問のためにすでに午前：

この場合

Turns = rootnode.findall(".//Turn") 
for Turn in Turns: 
    questions = Turn.findall(".//question") 
    for question in question: 
     if question == questions[-1]: 
      #This is where I will insert the code trying to find if there is some text following the question tag. 

私は両方question.tail()この他に尾を取得しようとしましたメソッドquestion.xpath("//text()")[1]ですが、どちらの場合も、最後の</question>と</Turn>の間のテキストはすべて表示されません。

正規表現を使って生ファイルでもやってみましたが、2つの終了タグの間に多くのことがあるので、ネストされた数量子と致命的なバックトラッキングの問題がありました。

Answer 1

同期タグが常にある場合、これは動作する可能性：

：あなたに与え

print(xml.xpath("//question[last()]/following::text()")) 

：

xml = """<Turn speaker="spk2" startTime="5121.203" endTime="5136.265"> 
<question startline="8321" endline="8326"> 
<Sync time="5121.203"/> 
some text 
<Sync time="5126.531"/> 
<Sync time="5127.662"/> 
other text?</question><question startline="8326" endline="8326"> 
here are some other words? 
</question> 
<Sync time="5128.514"/> 
THIS IS SOME TEXT I WANT TO GET <anothertag att="2"/> SOME OTHER TEXT 
<annoyingtag att="blah"/> 
AND THIS TOO 
</Turn>""" 

from lxml.html import fromstring 

xml = fromstring(xml) 

print(xml.xpath("//question[last()]/following::sync/following::text()")) 

あなたを与えるだろう：

['\nTHIS IS SOME TEXT I WANT TO GET ', ' SOME OTHER TEXT\n', '\nAND THIS TOO\n'] 

か

['\n', '\nTHIS IS SOME TEXT I WANT TO GET ', ' SOME OTHER TEXT\n', '\nAND THIS TOO\n'] 

また、ワイルドカードを使用できます。

print(xml.xpath("//question[last()]/following::*/following::text()")) 

再びあなたを与えることになる：あなたの答えのための

['\nTHIS IS SOME TEXT I WANT TO GET ', ' SOME OTHER TEXT\n', '\nAND THIS TOO\n']