Python lxml - obtiene el índice del texto de la etiqueta
Tengo un archivo xml con un formato similar a docx, es decir:
<w:r>
<w:rPr>
<w:sz w:val="36"/>
<w:szCs w:val="36"/>
</w:rPr>
<w:t>BIG_TEXT</w:t>
</w:r>
EDITAR: Necesito obtener un índice de "BIG_TEXT" en xml de origen, como:
from lxml import etree
text = open('/devel/tmp/doc2/word/document.xml', 'r').read()
root = etree.XML(text)
start = 0
for e in root.iter("*"):
if e.text:
offset = text.index(e.text, start)
l = len(e.text)
print 'Text "%s" at offset %s and len=%s' % (e.text, offset, l)
start = offset + l
Puedo iniciar una nueva búsqueda desde la posición del índice actual + len (texto), pero ¿hay otra manera? El elemento puede tener un carácter,w
por ejemplo. Encontrará índice dew
, pero no índice de texto de etiquetaw
.