如何用 lxml iterwalk 循环内的文本替换 HTML 标签

Question

我正在使用 lxml iterwalk 迭代 HTML 树，我想用新行字符替换<br>里面的所有标签。<pre></pre>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，替换实际上应该在这个循环内完成，因为无论如何我们都需要循环，并且在其中包含此步骤可能是最有效的方法。

SO 上有一个类似的问题/答案，但它无助于解决问题： 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():

删除该元素及其所有子元素。与 el.getparent().remove(el) 不同，这不会删除尾部文本；使用 drop_tree 尾部文本将与前一个元素合并。

查找br内的所有元素pre，将 设为tail并\n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)

印刷：

<div>
    <pre>


        test


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