python - 如何在 lxml iterwalk 循环中用文本替换 HTML 标签

Question

我正在使用 lxml iterwalk 遍历 HTML 树，我想替换所有 <br>里面的标签 <pre></pre>换行符。这就是我到目前为止所拥有的:

root = lxml.html.fromstring(text)
for action, el in etree.iterwalk(root):
    if el.tag == 'pre':
        for br in el.xpath('br'):
            # replace this <br> tag with "\n"

如果可能的话，替换应该真的在这个循环内完成，因为无论如何我们都需要循环，并且在其中包括这个步骤可能是最有效的方法。

SO上有一个类似的问题/答案，但没有帮助解决问题: How can one replace an element with text in lxml?

Answer 1

drop_tree()方法正是您所需要的:

.drop_tree():

Drops the element and all its children. Unlike el.getparent().remove(el) this does not remove the tail text; with drop_tree the tail text is merged with the previous element.

在 pre 中找到所有 br 元素，将 tail 设置为 \n 并删除该元素:

from lxml import etree
import lxml.html

text = """
<div>
    <pre>
        <br>
        test
        <br>
    </pre>
    <br>
</div>
"""

root = lxml.html.fromstring(text)
for action, el in etree.iterwalk(root):
    if el.tag == 'pre':
        for br in el.xpath('br'):
            br.tail = '\n' + br.tail
            br.drop_tree()

print etree.tostring(root)

打印:

<div>
    <pre>


        test


    </pre>
    <br/>
</div>