xml.domのminidomを使用して内部コンテンツを文字列として取得する方法は？

Question

私はこのようになります私のxmlファイルにテキストタグ（PDFはpopplers-utilsのからpdftohtmlを使用してXMLに変換）があります。

<text top="525" left="170" width="603" height="16" font="1">..part of old large book</text> 
<text top="546" left="128" width="645" height="16" font="1">with many many pages and some <i>italics text among 'plain' text</i> and more and more text</text> 
<text top="566" left="128" width="642" height="16" font="1">etc...</text> 

を、私はテキストは、このサンプルコードでテキストタグでenvolved取得することができます。

import string 
from xml.dom import minidom 
xmldoc = minidom.parse('../test/text.xml') 
itemlist = xmldoc.getElementsByTagName('text') 

some_tag = itemlist[node_index] 
output_text = some_tag.firstChild.nodeValue 
# if there is all text inside <i> I can get it by 
output_text = some_tag.firstChild.firstChild.nodeValue 

# but no if <i></i> wrap only one word of the string 

しかし内容別のタグ内(<i> or <b>...)とオブジェクトを取得することはできませんいずれかのjavascriptのinnerHTMLメソッドまたは再ようなプレーンな文字列としてすべてのテキストを取得するための最良の方法は何

場合、私は「のnodeValue」を取得することはできませんnodeValue全体ではなくいくつかの単語をラップしても、子タグに呪いをかける？

おかげ

Answer 1

**質問：

def getText(nodelist): 
    # Iterate all Nodes aggregate TEXT_NODE 
    rc = [] 
    for node in nodelist: 
     if node.nodeType == node.TEXT_NODE: 
      rc.append(node.data) 
     else: 
      # Recursive 
      rc.append(getText(node.childNodes)) 
    return ''.join(rc) 


xmldoc = minidom.parse('../test/text.xml') 
nodelist = xmldoc.getElementsByTagName('text') 

# Iterate <text ..>...</text> Node List 
for node in nodelist: 
    print(getText(node.childNodes)) 

出力：どのようにこれは、例えば、再帰的なソリューションですminidom

を使用して文字列として内部コンテンツを取得します：

..part of old large book 
with many many pages and some italics text among 'plain' text and more and more text 
etc... 

は、Pythonでテスト：3.4.2