lxml - 如何将img src更改为绝对链接

Question

使用lxml,如何使用绝对链接全局替换所有src属性？

Answer 1

这是一个示例代码,其中还包括<a href>:

from lxml import etree, html
import urlparse

def fix_links(content, absolute_prefix):
    """
    Rewrite relative links to be absolute links based on certain URL.

    @param content: HTML snippet as a string
    """

    if type(content) == str:
        content = content.decode("utf-8")

    parser = etree.HTMLParser()

    content = content.strip()

    tree  = html.fragment_fromstring(content, create_parent=True)

    def join(base, url):
        """
        Join relative URL
        """
        if not (url.startswith("/") or "://" in url):
            return urlparse.urljoin(base, url)
        else:
            # Already absolute
            return url

    for node in tree.xpath('//*[@src]'):
        url = node.get('src')
        url = join(absolute_prefix, url)
        node.set('src', url)
    for node in tree.xpath('//*[@href]'):
        href = node.get('href')
        url = join(absolute_prefix, href)
        node.set('href', url)

    data =  etree.tostring(tree, pretty_print=False, encoding="utf-8")

    return data

Plone开发人员文档中提供了完整的故事.

Answer 2

我不确定什么时候添加的，但从lxml.fromstring()现在开始创建的文档有一个名为 的方法make_links_absolute。从文档中：

make_links_absolute（base_href，resolve_base_href = True）：

这使得文档中的所有链接都是绝对链接，假设 base_href 是文档的 URL。因此，如果您传递 base_href="http://localhost/foo/bar.html" 并且有一个指向 baz.html 的链接，该链接将被重写为http://localhost/foo/baz.html。

如果resolve_base_href为true，那么任何标签都会被考虑在内（只需调用self.resolve_base_href()）。