python - lxml 移动带有元素的文本

Question

我在使用 div 包装图像时遇到问题。

from lxml.html import fromstring
from lxml import etree

tree = fromstring('<img src="/img.png"/> some text')
div = etree.Element('div')
div.insert(0, tree.find('img'))
tree.insert(0, div)
print etree.tostring(tree)

<span><div><img src="/img.png"/> some text</div></span>

为什么要添加一个跨度，我怎样才能让它在没有文本的情况下环绕图像？

Answer 1

因为 lxml实际上是一个 xml 解析器。它有一些宽容的解析规则，允许它解析 html(lxml.html 部分)，但它总是会在内部构建一个有效的树。

'<img src="/img.png"/> some text'不是树，因为它没有单一的根元素，有一个 img元素和一个文本节点。为了能够在内部存储这个片段，lxml 需要将它包装在一个合适的标签中。如果你单独给它一个字符串，它会将它包装在一个 p 中。标签。早期版本只是将所有内容包装在 html 中标签，这可能会导致更多的困惑。

你也可以使用 html.fragment_fromstring ，在这种情况下不会添加标签，但会引发错误，因为该片段无效。

至于为什么文本坚持img标签:这就是 lxml 存储文本的方式。举个例子:

>>> p = html.fromstring("<p>spam<br />eggs</p>")
>>> br = p.find("br")
>>> p.text
'spam'
>>> br.text       # empty
>>> br.tail       # this is where text that comes after a tag is stored
'eggs'

因此，通过移动标签，您也移动了它的尾部。