lxml.etree,element.text不返回元素的整个文本

Question

我通过xpath废弃了一些html,然后我转换成了etree.与此类似的东西:

<td> text1 <a> link </a> text2 </td>

但是当我调用element.text时,我只得到text1(它必须在那里,当我在FireBug中检查我的查询时,元素的文本被突出显示,嵌入的锚元素之前和之后的文本......

Answer 1

使用element.xpath("string()")或lxml.etree.tostring(element, method="text")- 请参阅文档.

Answer 2

作为对那些可能像我一样懒惰的人的公共服务.以下是您可以运行的上面的一些代码.

from lxml import etree

def get_text1(node):
    result = node.text or ""
    for child in node:
        if child.tail is not None:
            result += child.tail
    return result

def get_text2(node):
    return ((node.text or '') +
            ''.join(map(get_text2, node)) +
            (node.tail or ''))

def get_text3(node):
    return (node.text or "") + "".join(
        [etree.tostring(child) for child in node.iterchildren()])


root = etree.fromstring(u"<td> text1 <a> link </a> text2 </td>")

print root.xpath("text()")
print get_text1(root)
print get_text2(root)
print root.xpath("string()")
print etree.tostring(root, method = "text")
print etree.tostring(root, method = "xml")
print get_text3(root)

输出是:

snowy:rpg$ python test.py 
[' text1 ', ' text2 ']
 text1  text2 
 text1  link  text2 
 text1  link  text2 
 text1  link  text2 
<td> text1 <a> link </a> text2 </td>
 text1 <a> link </a> text2 

Answer 3

从元素中取出文本似乎效果很好的另一件事是 "".join(element.itertext())

Answer 4

对我来说看起来像一个lxml错误,但根据设计,如果你阅读文档.我已经解决了这个问题:

def node_text(node):
    if node.text:
        result = node.text
    else:
        result = ''
    for child in node:
        if child.tail is not None:
            result += child.tail
    return result