使用 python 的 lxml 去除内联标签答案

【问题标题】：stripping inline tags with python's lxml使用 python 的 lxml 去除内联标签
【发布时间】：2011-09-22 12:33:23
【问题描述】：

我必须处理 xml 文档中的两种内联标签。第一种类型的标签包含我想要保留的文本。我可以用 lxml 处理这个

etree.tostring(element, method="text", encoding='utf-8')

第二种类型的标签包含我不想保留的文本。我怎样才能摆脱这些标签和他们的文字？如果可能，我宁愿不使用正则表达式。

谢谢

【问题讨论】：

标签： python xml tags lxml

【解决方案1】：

我认为 strip_tags 和 strip_elements 在每种情况下都是您想要的。例如，这个脚本：

from lxml import etree

text = "<x>hello, <z>keep me</z> and <y>ignore me</y>, and here's some <y>more</y> text</x>"

tree = etree.fromstring(text)

print etree.tostring(tree, pretty_print=True)

# Remove the <z> tags, but keep their contents:
etree.strip_tags(tree, 'z')

print '-' * 72
print etree.tostring(tree, pretty_print=True)

# Remove all the <y> tags including their contents:
etree.strip_elements(tree, 'y', with_tail=False)

print '-' * 72
print etree.tostring(tree, pretty_print=True)

... 产生以下输出：

<x>hello, <z>keep me</z> and <y>ignore me</y>, and
here's some <y>more</y> text</x>

------------------------------------------------------------------------
<x>hello, keep me and <y>ignore me</y>, and
here's some <y>more</y> text</x>

------------------------------------------------------------------------
<x>hello, keep me and , and
here's some  text</x>

【讨论】：

非常感谢，这正是我想要的。
@Mark Longair：有没有办法使用strip_tags() 剥离所有子标签（并将子标签中的文本合并到父标签）？