时间戳

首页 > 解决方案 > 使用 lxml 的 tostring() 从 xml/html 中删除根标签

python - 使用 lxml 的 tostring() 从 xml/html 中删除根标签

问题描述

如何制作没有根标签的html文本（通常是<html></html>）？例如，在 CDATA 中使用：

<![CDATA[<div class="foo"></div><p>bar</p>]]>

我的代码：

from lxml import etree

html = etree.Element('root')
etree.SubElement(html, 'div', attrib={'class':'foo'})
etree.SubElement(html, 'p').text='bar'

t = etree.tostring(html)
# '<root><div class="foo"/><p>bar</p></root>'

我不想使用正则表达式来删除根标签。

标签： pythonlxmlcdata

解决方案

如果您需要没有根元素的所有子元素的文本表示，您可以这样做：

subels = ''.join([etree.tostring(el).decode('ascii') for el in html])

html你的问题在哪里Element。在这种情况下subels是一个字符串：

'<div class="foo"/><p>bar</p>'

这可以进一步改进以使用该iter方法仅获取特定标签。例如：

subels = ''.join([etree.tostring(el).decode('ascii') for el in html.iter('div', 'p'])

将仅返回'div'and'p'标签，因此如果有其他标签，它们将被省略。
您可以使用它来过滤掉不需要的标签，但要小心，因为它可能会破坏文档层次结构：它仍然会返回不需要标签的子标签。

评论后编辑

如果根标签有您想要保留的文本属性，只需将其添加回来。

subels = ''.join([html.text] + [etree.tostring(el).decode('ascii') for el in html])

推荐阅读