我已经从https://awoiaf.westeros.org/index.php/Special:Export中导出了一些类别。 它们采用XML格式。我想要“内容提要”部分中的纯文本。您可以下载整个here（压缩后为54KB）。
典型的摘要部分如下：
==提要== [[Catelyn Tully | Catelyn]]聆听大厅里的音乐家正在演奏的鼓的连续敲打声。她 在比赛期间坐在[[Ryman Frey]]和[[Roose Bolton]]之间 婚礼盛宴。她对自己说，婚礼多么无聊， 看着[[Robb Stark | Robb]]与几个Frey女仆共舞 和[[Edmure Tully | Edmure]]宠爱他即将成为妻子，[[Roslin Frey | Roslin]]。当Catelyn得知[[Olyvar Frey | Olyvar]，[[Perwyn Frey | Perwyn]]和[[Alesander Frey]]都是 不参加婚礼。她注意到[[Merrett Frey]]尝试 在桌子底下喝[[Greatjon Umber | Greatjon]]，最后 [[Walder Frey]阁下要求铺垫。 Robb不参加 当大君将哭泣的罗斯林带到病房时。
如何从“摘要”的所有部分中提取纯文本？
答案 0 :(得分：1)
首先，您需要将其解析为XML。我建议使用lxml和xpath。
from lxml import etree
tree = etree.parse('file.xml')
expression = '/m:mediawiki/m:page/m:revision/m:text/text()'
namespaces = {"m": "http://www.mediawiki.org/xml/export-0.10/"}
texts = tree.xpath(expression, namespaces=namespaces)
一旦您获得了所有文本部分，请使用正则表达式逐一解析它们。或编写自己的解析器。