Python正则表达式在xml文本中，查找标记

Question

我正在做一个项目，使用Python搜索一篇研究论文的XML，搜索一个特定的字符串。我已经完成了，但是我需要得到搜索结果最前面的部分标题，即标题和标签标签及其内容。你知道吗

#<..... some XML .....>

<sec id="aj387295s3">
<label>3.</label>
<title><italic>CHANDRA</italic> OBSERVATIONS</title>
<p>The 13 candidates were observed with the Advanced CCD Imaging 
Spectrometer (ACIS; Burke et&nbsp;al. <xref ref-type="bibr" 
rid="aj387295r8">1997</xref>) on board <italic>Chandra</italic> 
(Weisskopf et&nbsp;al. <xref ref-type="bibr" 
rid="aj387295r46">1996</xref>). We chose the S3 chip to image the 
sources because of its better low-energy sensitivity. The standard 
TIMED readout with a frame time of 3.2 s was used, and the data were 
collected in VFAINT mode. In 12 cases, our <italic>Chandra</italic> 
observations led us to conclude that the RASS detection was not of a 
candidate INS (see Table&nbsp;<xref ref-type="table" 
rid="aj387295t1">1</xref>; the <xref ref-type="sec" 
rid="aj387295app1">Appendix</xref> includes a case-by-case discussion 
of these sources).</p>

#<..... more XML ....>

我有一个正则表达式来获取包含“Chandra”的行，但是我不断地敲打我的头来获取“3.Chandra观测值”。这可能是非常明显的，但我在正则表达式方面没有太多的训练。我的Chandra正则表达式和行的其余部分是“（.*）（c | c）handra\b”

谢谢你！-珍妮

Answer 1

如果您找到了正确的<sec>-标记，那么您只需要获得<label>和<title>中的文本。你知道吗

title = '{} {}'.format(sec.findtext('label'), ''.join(sec.find('title').itertext())

Answer 2

如注释中所述，不建议使用RegEx读取XML值。 如果仍要使用它们：

<tag>[\s\S]*?<\/tag>

这些标记之间的部分是值。你知道吗

See another question.