<xml>
<maintag>
<content> lorem <br>ipsum</br> <strong> dolor sit </strong> and so on </content>
</maintag>
</xml>
私が定期的に解析する xml ファイルには、上記のように content タグ内に HTML タグが含まれている場合があります。
ここでファイルを解析する方法:
parser = etree.XMLParser(remove_blank_text=False)
tree = etree.parse(StringIO(xmlFile), parser)
for item in tree.iter('maintag'):
my_content = item.find('content').text
#print my_content
#output: lorem
その結果、 my_content = ' lorem ' の代わりに -which i'd like to see- ' lorem < br >ipsum< /br> < strong > dolor sit < /strong > など ' が生成されます。
コンテンツを「lorem < br>ipsum< /br> <strong> dolor sit < /strong > など」と読むにはどうすればよいですか?
注: content タグには、strong の代わりに別の html タグが含まれる場合があります。そして、それらをまったく持っていない可能性があります。