파이썬을 사용하여 많은 XML 파일에서 태그를 무시하는 방법

Question

나는 많은 텍스트가 포함 된 많은 xml 파일을 가지고 있습니다. 이 텍스트는 소문자를 구두점을 제거해야합니다. 하지만 파이썬을 사용하여 모든 태그를 무시하고 싶다고 말하는 법을 모릅니다.

나는 ElementTree라는 XML 파서를 발견하고 나는 태그를 찾을 수있는 정규 표현식이 있습니다 pattern = re.compile ('<[^<]*?>')

내가 그것을 테스트를하고 나에게 첫 번째 태그 (이름이 많은 태그가)에서 텍스트 만 제공합니다. 왜?

text = "<root> <test>aaaaaaa </test> <test2> bbbbbbbbb </test2> </root> <root> <test3> cccccc </test3> <test4> ddddd </test4> </root>" 
pattern = re.compile ('<[^<]*?>') 
tmp = pattern.findall(content, re.DOTALL) 

을 그리고 그것은 나에게 제공합니다 :

는 그래서 다른 테스트가 모든 태그를 얻을 수 있도록 문자열 테스트

['</test>', '<test2>', '</test2>', '</root>', '<root>', '<test3>', '</test3>', '<test4>', '</test4>', '</root>'] 

왜 안 <root> <test>도?

Answer 1

실제로 ElementTree를 사용하지 않는 것 같습니다.

Here

는 ElementTree를 사용하는 방법의 예입니다

import xml.etree.ElementTree as ET 
tree = ET.parse('country_data.xml') 
root = tree.getroot() 

당신이 그들을 청소하는 기능을 통해 모든 태그를 실행하는 재귀를 사용할 수 있습니다

이

def clean_tag(tag): 
    for child in tag: 
     clean_tag(child) 
    if tag.text != None: 
     # add your code to do lowercase and punctuation here 
     tag.text = tag.text.lower() 

clean_tag(tree.getroot()) 
clean_xml = ET.tostring(tree)