如何解决在lxml中进行迭代时，就地编辑树
| 我正在使用lxml解析html并对其进行编辑以生成新文档。从本质上讲，我正在尝试像javascript DOM一样使用它-我知道这并不是真正的预期用途，但是到目前为止，它的大部分工作都很好。 当前，我使用iterdescendants（）获取可迭代的元素列表，然后依次处理每个元素。 但是，如果元素在迭代过程中被删除，则仍会考虑其子元素，因为删除不会像您期望的那样影响迭代。为了获得我想要的结果，此骇客作品：from lxml.html import fromstring,tostring
import urllib2
import re
html = \'\'\'
<html>
<head>
</head>
<body>
<div>
<p class=\"unwanted\">This content should go</p>
<p class=\"fine\">This content should stay</p>
</div>
<div id = \"second\" class=\"unwanted\">
<p class = \"alreadydead\">This content should not be looked at</p>
<p class = \"alreadydead\">Nor should this</>
<div class=\"alreadydead\">
<p class=\"alreadydead\">Still dead</p>
</div>
</div>
<div>
<p class=\"yeswanted\">This content should also stay</p>
</div>
</body>
for element in allElements:
s = \"%s%s\" % (element.get(\'class\',\'\'),element.get(\'id\',\'\'))
if re.compile(\'unwanted\').search(s):
for i in range(len(element.findall(\'.//*\'))):
allElements.next()
element.drop_tree()
print tostring(page.body)
<body>
<div>
<p class=\"yeswanted\">This content should stay</p>
</div>
<div>
<p class=\"yeswanted\">This content should also stay</p>
</div>
</body>
解决方法
为简化起见，您可以在XPath中使用lxml \对正则表达式的支持来查找并杀死不需要的节点，而无需遍历所有后代。
这将产生与脚本相同的结果：
EXSLT_NS = \'http://exslt.org/regular-expressions\'
XPATH = r\"//*[re:test(@class,\'\\bunwanted\\b\') or re:test(@id,\'\\bunwanted\\b\')]\"
tree = lxml.html.fromstring(html)
for node in tree.xpath(XPATH,namespaces={\'re\': EXSLT_NS}):
node.drop_tree()
print lxml.html.tostring(tree.body)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。