Как извлечь текст находящийся между тегами?

Question

[studprogrammist]

Имеем вот такой код, XML парсера:

import xml.etree.ElementTree as ET

doc = """
<?xml version="1.0" encoding="ANSI" ?>
<data>
     <items>
         <item name="item1">1</item>
         <item name="item2">2</item>
         <item name="item3">3</item>
         <item name="item4">4</item>
     </items>
</data>
.----------------------------------------------------------
"""

tree = ET.fromstring(doc)

print(tree.find('.//item[@name="item1"]').text)
print(tree.find('.//item[@name="item4"]').text)

Как видите, начинается не с основного тега, как в прочем и заканчиваеться.
Отсюда и ошибка:
xml.etree.ElementTree.ParseError: XML or text declaration not at start of entity

Подскажите как(с помощью чего) извлечь весь текст находящийся между тегами и ?

Comments

[studprogrammist]

Вот таким образом можно извлечь необходимую часть текста.

print(text_slishnim[text_slishnim.find("<items>"):text_slishnim.find("</items>") + 7])

Answer 1

[javedimka]

lxml

>>> import lxml.etree
>>> doc = """
... <?xml version="1.0" encoding="ANSI" ?>
... <data>
...      <items>
...          <item name="item1">1</item>
...          <item name="item2">2</item>
...          <item name="item3">3</item>
...          <item name="item4">4</item>
...      </items>
... </data>
... .----------------------------------------------------------
... """
>>> parser = lxml.etree.XMLParser(recover=True)
>>> tree = lxml.etree.fromstring(doc, parser)
>>> [element.text for element in tree.iter('item')]
['1', '2', '3', '4']

Без lxml можно так:

>>> import xml.etree.ElementTree as ET
>>> doc = """
... <?xml version="1.0" encoding="ANSI" ?>
... <data>
...      <items>
...          <item name="item1">1</item>
...          <item name="item2">2</item>
...          <item name="item3">3</item>
...          <item name="item4">4</item>
...      </items>
... </data>
... .----------------------------------------------------------
... """
>>> tree = ET.fromstring(doc.strip('\n-.'))
>>> [element.text for element in tree.iter('item')]
['1', '2', '3', '4']

Comments

[studprogrammist]

А стандартными модулями не получиться удастся это сделать?

[javedimka]

studprogrammist, Получится, преобразовывай свой doc в валидный документ и вперед.

[studprogrammist]

javedimka, Дак я и хочу, только не знаю как? Понимаю, что если убрать все, что снаружи тегов data, все заработает. Но как это сделать? Чем это достигается? Про что почитать? Может быть регулярные выражения?

[javedimka]

studprogrammist, может быть, пробуй, экспериментируй, у тебя вопрос «как или с помощью чего» извлечь текст, а не вопрос о том как преобразовать документ.

[studprogrammist]

javedimka, Ну дак после извлечения он уже как бы преобразуеться:)))