在 lxml 中，如何删除标签但保留所有内容？答案

【问题标题】：In lxml, how do I remove a tag but retain all contents?在 lxml 中，如何删除标签但保留所有内容？
【发布时间】：2011-06-08 13:18:45
【问题描述】：

问题是这样的：我有一个这样的 XML 片段：

<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>

对于结果，我想删除所有<a>- 和<c>-Tag，但保留它们的（文本）内容和子节点原样。此外，<b>-Element 应该保持不变。结果应该是这样的

<fragment>text1 inner<d>1</d> text2 <b>inner2</b> text3</fragment>

暂时，我将恢复一个非常肮脏的技巧：我将 etree.tostring 片段，通过正则表达式删除有问题的标签，并用 etree.fromstring 结果替换原始片段（不是真正的代码，但应该是这样的）：

from lxml import etree
fragment = etree.fromstring("<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>")
fstring = etree.tostring(fragment)
fstring = fstring.replace("<a>","")
fstring = fstring.replace("</a>","")
fstring = fstring.replace("<c>","")
fstring = fstring.replace("</c>","")
fragment = etree.fromstring(fstring)

我知道我大概可以使用 xslt 来实现这一点，并且我知道 lxml 可以利用 xslt，但是必须有更多 lxml 原生的方法吗？

供参考：我尝试使用 lxml 的 element.replace 到达那里，但由于我想在之前有元素节点的地方插入文本，我认为我不能这样做。

【问题讨论】：

标签： python xml lxml

【解决方案1】：

试试这个：http://lxml.de/api/lxml.etree-module.html#strip_tags

>>> etree.strip_tags(fragment,'a','c')
>>> etree.tostring(fragment)
'<fragment>text1 inner1 text2 <b>inner2</b> text3</fragment>'

【讨论】：

谢谢，这很好用。我没有想到“脱衣舞”这个词，或者我自己可能已经找到了答案:)
也很棒：etree.strip_elements(fragment, *['tag1', 'tag2'])
正是我想要的。更好的是，strip_tags() 接受通配符，因此将"*" 作为标签传递会从树中删除所有标签。完全。

【解决方案2】：

使用 lxml 的 Cleaner 功能从 html 内容中删除标签。下面是一个做你想做的事的例子。对于 HTML 文档，Cleaner 是比使用 strip_elements 更好的通用解决方案，因为在这种情况下，您想要去除的不仅仅是标签；您还想摆脱其他标签上的 onclick=function() 属性之类的东西。

import lxml
from lxml.html.clean import Cleaner
cleaner = Cleaner()
cleaner.remove_tags = ['p']
remove_tags:

要删除的标签列表。只有标签会被删除，它们的内容会被拉到父标签中。

【讨论】：