Question

我正在使用lxml.html库来解析HTML文档。

我找到了一个特定的标签，我称之为content_tag，我希望更改其内容（即<div>和</div>之间的文字），新内容为字符串有一些html，说它是'Hello <b>world!</b>'。

我该怎么做？我尝试了content_tag.text = 'Hello <b>world!</b>'，但随后它转义了所有html标记，将<替换为<等。

我想在没有转义任何HTML的情况下注入文本。我怎么能这样做？

Answer 1

这是一种方式：

#!/usr/bin/env python2.6
from lxml.html import fromstring, tostring
from lxml.html import builder as E
fragment = """\
<div id="outer">
  <div id="inner">This is div.</div>
</div>"""

div = fromstring(fragment)
print tostring(div)
# <div id="outer">
#   <div id="inner">This is div.</div>
# </div>
div.replace(div.get_element_by_id('inner'), E.DIV('Hello ', E.B('world!')))
print tostring(div)
# <div id="outer">
#   <div>Hello <b>world!</b></div></div>

另请参阅：http://lxml.de/lxmlhtml.html#creating-html-with-the-e-factory

编辑：所以，我应该早些时候承认我并不熟悉lxml。我简要地查看了文档和来源，但没有找到一个干净的解决方案。也许，更熟悉的人会停下来，让我们两个都做好。

与此同时，这似乎有效，但未经过充分测试：

import lxml.html
content_tag = lxml.html.fromstring('<div>Goodbye.</div>')
content_tag.text = '' # assumes only text to start
for elem in lxml.html.fragments_fromstring('Hello <b>world!</b>'):
    if type(elem) == str: #but, only the first?
        content_tag.text += elem
    else:
        content_tag.append(elem)
print lxml.html.tostring(content_tag)

再次修改，此版本删除了文字和子广告

somehtml = 'Hello <b>world!</b>'
# purge element contents
content_tag.text = ''
for child in content_tag.getchildren():
    content_tag.remove(child)

fragments = lxml.html.fragments_fromstring(somehtml)
if type(fragments[0]) == str:
    content_tag.text = fragments.pop(0)
content_tag.extend(fragments)

Answer 2

假设content_tag没有任何子元素，您可以这样做：

from lxml import html
from lxml.html.builder import B

...

content_tag.text = 'Hello '
content_tag.append(B('world!'))
print html.tostring(content_tag)

Answer 3

在摆弄后，我找到了这个解决方案：

fragments = lxml.html.fragments_fromstring(<string with tags to inject>)
last = None

for frag in fragments:
  if isinstance(frag, lxml.etree._Element):
    content_tag.append(frag)
    last = frag
  else:
    if last:
      last.tail = frag
    else:
      content_tag.text = frag

Python：使用`lxml.html`将HTML内容注入标记

3 个答案: