问题是:我有一个像这样的XML片段:
<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>
对于结果,我希望删除所有的<a>
-和<c>
-Tags,但保留它们的(文本)-contents和子节点。此外,<b>
-Element应该保持不变。然后结果应该如下所示
<fragment>text1 inner<d>1</d> text2 <b>inner2</b> text3</fragment>
目前,我将恢复到一个非常肮脏的技巧:我将etree.tostring片段,通过正则表达式删除有问题的标记,并用etree.fromstring结果替换原始片段(不是真正的代码,但应该是这样的):
from lxml import etree
fragment = etree.fromstring("<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>")
fstring = etree.tostring(fragment)
fstring = fstring.replace("<a>","")
fstring = fstring.replace("</a>","")
fstring = fstring.replace("<c>","")
fstring = fstring.replace("</c>","")
fragment = etree.fromstring(fstring)
我知道我可能可以使用xslt来实现这一点,我也知道lxml可以利用xslt,但是必须有更多的lxml原生方法?
作为参考:我已经尝试过使用lxml的element.replace,但是因为我想在以前有元素节点的地方插入文本,所以我认为我不能这样做。
发布于 2011-01-13 22:53:02
试试这个:http://lxml.de/api/lxml.etree-module.html#strip_tags
>>> etree.strip_tags(fragment,'a','c')
>>> etree.tostring(fragment)
'<fragment>text1 inner1 text2 <b>inner2</b> text3</fragment>'
发布于 2015-05-20 14:56:58
使用lxml的Cleaner函数删除html内容中的标签。下面是一个做你想做的事情的例子。对于HTML文档,Cleaner是比使用strip_elements更好的通用解决方案,因为在这种情况下,您想要剥离的不仅仅是标签;您还想去除其他标签上的onclick=function()属性。
import lxml
from lxml.html.clean import Cleaner
cleaner = Cleaner()
cleaner.remove_tags = ['p']
remove_tags:
要删除的标记列表。只有标签会被移除,它们的内容会被拉到父标签中。
https://stackoverflow.com/questions/4681317
复制相似问题