如何将标记文本添加到简单字符串中的元素？

Question

使用 python lxml，我想生成一个 etree.Element，其内容取自字符串。我有两个案例：

这是一个简单的字符串（例如："Hello world!"）。
它是一个标记字符串，但是对于 python 它仍然是一个字符串，我事先不知道它是一个标记字符串（例如："Hello <value-of select=\"world\"/>！ ").

第二种情况如何处理？

这是一个幼稚的、不起作用的方法：

>>> from lxml import etree
>>> string = "Hello <value-of select=\"world\"/>!"
>>> xml = etree.Element('root')
>>> xml.text = string
>>> etree.tostring(xml)
... b'<root>Hello &lt;value-of select="world"/&gt;!</root>'

我很清楚，如果我知道我的字符串的结构，我必须使用 etree.Element 的 tail 方法，如 the lxml tutorial 中所述。所以这是一个有效的，不可推广的方式：

>>> from lxml import etree
>>> xml2 = etree.Element('root')
>>> xml2.text = "Hello "
>>> valueof = etree.SubElement(xml2, 'value-of')
>>> valueof.set('select', 'world')
>>> valueof.tail = '!'
>>> etree.tostring(xml2)
... b'<root>Hello <value-of select="world"/>!</root>'

但是如何在事先不知道确切字符串的情况下自动执行此操作？

我不知道如何解析字符串以便拆分它的各个部分。或者也许我应该尝试另一种方式。

我试过这个：

>>> from lxml import etree
>>> from io import StringIO
>>> string="Hello <value-of select=\"world\"/>!"
>>> tree = etree.parse(StringIO(string))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "src/lxml/lxml.etree.pyx", line 3427, in lxml.etree.parse (src/lxml/lxml.etree.c:81117)
  File "src/lxml/parser.pxi", line 1828, in lxml.etree._parseDocument (src/lxml/lxml.etree.c:118072)
  File "src/lxml/parser.pxi", line 1848, in lxml.etree._parseMemoryDocument (src/lxml/lxml.etree.c:118341)
  File "src/lxml/parser.pxi", line 1729, in lxml.etree._parseDoc (src/lxml/lxml.etree.c:116899)
  File "src/lxml/parser.pxi", line 1063, in lxml.etree._BaseParser._parseUnicodeDoc (src/lxml/lxml.etree.c:110886)
  File "src/lxml/parser.pxi", line 595, in lxml.etree._ParserContext._handleParseResultDoc (src/lxml/lxml.etree.c:105109)
  File "src/lxml/parser.pxi", line 706, in lxml.etree._handleParseResult (src/lxml/lxml.etree.c:106817)
  File "src/lxml/parser.pxi", line 635, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:105671)
  File "<string>", line 1
lxml.etree.XMLSyntaxError: Start tag expected, '<' not found, line 1, column 1

但是由于 etree.parse 需要一个格式正确的 xml 并且没有根元素，所以它失败了。所以我尝试了这个，希望它不那么严格：

>>> tree = etree.parse(StringIO(string), etree.XMLParser(recover=True))
>>> etree.tostring(tree)

但是输出是空的，所以我似乎无法解析我的字符串以便将生成的树添加到现有的树中......这是我需要做的事情的方式，因为我编写了我的 xml 从零开始。

回到我的问题：如何处理我之前提出的2个案例？

Answer 1

只需将字符串（简单或标记）包裹在根元素中，使其成为 well-formed XML。

from lxml import etree

simple = "Hello world!"
tagged = "Hello <value-of select=\"world\"/>!"

xml1 = "<root>" + simple + "</root>"
xml2 = "<root>" + tagged + "</root>"

# fromstring() returns an Element object 
elem1 = etree.fromstring(xml1) 
elem2 = etree.fromstring(xml2)

如何将标记文本添加到简单字符串中的元素？

How to add tagged text to an element from a simple string?

python

xml

lxml