xml文本中的Python正则表达式，查找标签

Question

我正在使用Python搜索研究论文的XML，搜索特定字符串的项目。我已完成此操作，但我需要获取搜索结果的最前面的部分标题，即 TITLE 和 LABEL 标签及其内容。

#<..... 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，但我一直在努力获得“3.CHANDRA OBSERVATIONS”。这可能是非常明显的，但是我对正则表达式没有太多的培训。我对Chandra和其余行的正则表达式是“（。*）（c | C）handra \ b”

Answer 1

如果您找到了正确的<sec>-tag，您只需要获取<label>and 中的文本<title>。title&nbsp;=&nbsp;'{}&nbsp;{}'.format(sec.findtext('label'),&nbsp;''.join(sec.find('title').itertext())

Answer 2

不建议使用RegEx读取XML值，如注释中所述。如果您无论如何都想使用它们：<tag>[\s\S]*?<\/tag>这些标签之间的部分是值。