Python y ElementTree: return "inner XML" excluyendo elemento padre

Question

En Python 2.6 usando ElementTree, ¿cuál es una buena manera de buscar el XML (como una cadena) dentro de un elemento particular, como lo que puede hacer en HTML y javascript con innerHTML ?

He aquí una muestra simplificada del nodo XML estoy empezando con:

<label attr="foo" attr2="bar">This is some text <a href="foo.htm">and a link</a> in embedded HTML</label> 

me gustaría terminar con esta cadena:

This is some text <a href="foo.htm">and a link</a> in embedded HTML 

He intentado iteración sobre el padre nodo y la concatenación de los tostring() de los niños, pero eso me dio sólo los subnodos:

# returns only subnodes (e.g. <a href="foo.htm">and a link</a>) 
''.join([et.tostring(sub, encoding="utf-8") for sub in node]) 

puedo hackear una solución usando expresiones regulares, pero tenía la esperanza de que habría algo menos hacky que esto:

re.sub("</\w+?>\s*?$", "", re.sub("^\s*?<\w*?>", "", et.tostring(node, encoding="utf-8"))) 

Answer 1

¿Qué tal:

from xml.etree import ElementTree as ET 

xml = '<root>start here<child1>some text<sub1/>here</child1>and<child2>here as well<sub2/><sub3/></child2>end here</root>' 
root = ET.fromstring(xml) 

def content(tag): 
    return tag.text + ''.join(ET.tostring(e) for e in tag) 

print content(root) 
print content(root.find('child2')) 

El resultado es:

start here<child1>some text<sub1 />here</child1>and<child2>here as well<sub2 /><sub3 /></child2>end here 
here as well<sub2 /><sub3 /> 

Answer 2

Los siguientes trabajó para mí:

from xml.etree import ElementTree as etree 
xml = '<root>start here<child1>some text<sub1/>here</child1>and<child2>here as well<sub2/><sub3/></child2>end here</root>' 
dom = etree.XML(xml) 

(dom.text or '') + ''.join(map(etree.tostring, dom)) + (dom.tail or '') 
# 'start here<child1>some text<sub1 />here</child1>and<child2>here as well<sub2 /><sub3 /></child2>end here' 

dom.text or '' se utiliza para obtener el texto al comienzo del elemento root. Si no hay texto dom.text es None.

Tenga en cuenta que el resultado no es un XML válido: un XML válido solo debe tener un elemento raíz.

Eche un vistazo a ElementTree docs about mixed content.

---

utilizar Python 2.6.5, Ubuntu 10.04