在lxml中进行迭代时,就地编辑树

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)
输出:
<body>
    <div>

        <p class=\"yeswanted\">This content should stay</p>
    </div>



    <div>
        <p class=\"yeswanted\">This content should also stay</p>
    </div>
</body>
感觉就像一个讨厌的黑客-是否有更明智的方式使用该库来实现这一目标?     

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。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 &lt;select id=&quot;xxx&quot;&gt; SELECT di.id, di.name, di.work_type, di.updated... &lt;where&gt; &lt;if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 &lt;property name=&quot;dynamic.classpath&quot; value=&quot;tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-