我试图使用lxml从字符串中读取html然后尝试查找所有img标签,更新图像src的属性并在找到的每个图像周围添加超链接
所以这,
<img src="old-value" />
将是这样
<a href=""><img src="new-value" /></a>
我面临的问题是两个,首先是使用etree.HTML加载html字符串,由于某种原因,它将html标签和body标签添加到html本身.有没有办法加载它而不会自动导致这种情况发生？
另一个问题无法解决,我如何在图像标签周围添加超链接元素,我尝试了下面但它会在img标签内添加超链接元素
tree = etree.HTML(self.content)
imgs = tree.xpath('.//img')
thm = "new-value"
for img in imgs:
img.set('src', thm)
a = etree.Element('a', href="#")
img.insert(0, a)
有人可以提出建议吗？
更新:
我刚刚尝试了@Alko提供的方法,并且运行良好,但是我使用的内容类型存在问题.
img标记位于p标记内,例如下面的示例
<html><body><p><img src="/public_media/cache/66/ed/66edd1c01e3027ba18bef9244ca8e8b4.jpg?id=31"/>jshjksh skjhs jksh skjhsj ksh jkshs kjhs kjsh sjkhs khs ksh skh skh skjh skjh skjh ksjh ksh skhs kjsh skjh skhs khs kjsh skjh skjhs kshk sjh skjhs kjsh skjh skjh ksj ksjh jsk hskjh s</p><p>jshjksh skjhs jksh skjhsj ksh jkshs kjhs kjsh sjkhs khs ksh skh skh skjh
skjh skjh ksjh ksh skhs kjsh skjh skhs khs kjsh skjh skjhs kshk sjh
skjhs kjsh skjh skjh ksj ksjh jsk hskjh s</p></body></html>
当我运行给出的解决方案时发生了什么,在段落结束后添加了一个标签.
addprevious您可以在插入之前使用：
imgs = tree.xpath('.//img')
thm = "new-value"
for img in imgs:
img.set('src', thm)
a = etree.Element('a', href="#")
img.addprevious(a)
a.insert(0, img)
这将导致
>>> etree.tostring(tree)
'<html><body><a href="#"><img src="new-value"/></a></body></html>'
另外，lxml.html.fragment_fromstring可能很有用，但您必须提供更多样化的示例，就像您的单独图像元素的情况一样，您的 xpath 不会找到它。
请参阅以下演示：
>>> import lxml.html
>>> img = lxml.html.fragment_fromstring('<img src="old-value" />')
>>> thm = "new-value"
>>> img.set('src', thm)
>>> a = etree.Element('a', href="#")
>>> a.insert(0, img)
>>> lxml.html.etree.tostring(a)
'<a href="#"><img src="new-value"/></a>'
更新
对于标签有尾部的情况img，您可以将其重新分配给创建的a标签：
>>> s = '<html><body><p><img src="old_value"/>some text</p></body></html>'
>>> tree = etree.HTML(s)
>>> imgs = tree.xpath('.//img')
>>> thm = "new-value"
>>> for img in imgs:
... img.set('src', thm)
... a = etree.Element('a', href="#")
... img.addprevious(a)
... a.insert(0, img)
... a.tail = img.tail
... img.tail = ''
...
>>> etree.tostring(tree)
'<html><body><p><a href="#"><img src="new-value"/></a>some text</p></body></html>'
| 归档时间： |
|
| 查看次数： |
716 次 |
| 最近记录： |