Python：使用`lxml.html`将HTML内容注入标签

问题描述

我使用 lxml.html 库解析HTML文档。

我找到了一个特定的标记，我称之为 content_tag ，并且我想更改其内容（即< div> 和< / div> ，）并且新内容是一个带有一些html的字符串，比如'Hello< b> world！<<< ; / b>'。

我该怎么做？我尝试了 content_tag.text ='Hello< b> world！< / b>'，但它转义了所有html标签，取代< ; with & lt; etc。

我想注入文本转义任何HTML。

解决方案

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>这是div。< / div> 
< / （div）
＃< div id =outer> 
＃< div id =inner>这是div。< / div> 
＃< / div> 
 div.replace（div.get_element_by_id（'inner'），E.DIV（'Hello'，EB（'world！'）））
 print tostring（div）
＃< div id =outer> 
＃< div> Hello< b> world！< / b>< / div>< / div> 
  

另请参阅：

编辑：因此，我早该承认我并不熟悉lxml。我简要地看了一下文档和源代码，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，让我们两个都挺直。

与此同时，这似乎奏效，但没有得到充分测试：

  import lxml.html 
 content_tag = lxml.html.fromstring（'< div> Goodbye。< / div>'）
 content_tag.text =''仅假设文字开始
 for lxml.html.fragments_fromstring（'Hello< b> world！< / b>'）：
如果输入（elem）== str：＃但只有第一个？ 
 content_tag.text + = elem 
 else：
 content_tag.append（elem）
 print lxml.html.tostring（content_tag）
  

再次编辑：此版本删除文字和孩子

 somehtml ='Hello< b> world！< / b>'
＃purge元素内容
 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）
  

I'm using the lxml.html library to parse an HTML document.

I located a specific tag, that I call content_tag, and I want to change its content (i.e. the text between <div> and </div>,) and the new content is a string with some html in it, say it's 'Hello <b>world!</b>'.

How do I do that? I tried content_tag.text = 'Hello <b>world!</b>' but then it escapes all the html tags, replacing < with < etc.

I want to inject the text without escaping any HTML. How can I do that?

解决方案

This is one way:

#!/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>

See also: http://lxml.de/lxmlhtml.html#creating-html-with-the-e-factory

Edit: So, I should have confessed earlier that I'm not all that familiar with lxml. I looked at the docs and source briefly, but didn't find a clean solution. Perhaps, someone more familiar will stop by and set us both straight.

In the meantime, this seems to work, but is not well tested:

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)

Edit again: and this version removes text and children

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)

这篇关于Python：使用`lxml.html`将HTML内容注入标签的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！