如何使用 lxml 删除 XML 文档根元素之外的注释答案

【问题标题】：How do I remove a comment outside of the root element of an XML document using lxml如何使用 lxml 删除 XML 文档根元素之外的注释
【发布时间】：2020-07-19 02:54:58
【问题描述】：

我有一些 Python，我正在尝试从我无法控制的各种 XML 文档中删除所有 cmets。这应该能够处理任何有效的 XML。到目前为止的代码如下：

tree = lxml.etree.parse(path_to_xml_file)
for c in tree.xpath('//comment()'):
  c.getparent().remove(c)

这段代码在这个特定的 XML 文件上崩溃：

<!-- This comment can't be removed. -->
<foo>
  <!-- This comment can be removed. -->
</foo>

无法删除第一条评论，因为它没有父元素。 c.getparent() 在该评论上返回 None。我没有看到有关如何从 XML 树中删除节点的任何其他文档。这个is valid XML。那么如何删除这条评论呢？

【问题讨论】：

标签： python xml lxml

【解决方案1】：

要删除所有 cmets，请使用 XMLParser 和 remove_comments=True。

from lxml import etree

parser = etree.XMLParser(remove_comments=True)
tree = etree.parse("test.xml", parser)

【讨论】：

【解决方案2】：

如果你在用 lxml 解析它之前或之后用一个新标签包装你的 xml 就可以做到（这不是很漂亮，但也可以）。

假设你要在 lxml 之外进行：

comt = """
<!-- This comment can't be removed. -->
<foo>
  <!-- This comment can be removed. -->
</foo>
"""

new_comt = "<super_root>"+comt+"</super_root>"
tree = etree.fromstring(new_comt)

然后继续使用您的原始代码，之后

    print(etree.tostring(tree).decode())

将输出：

    <super_root><foo>
  </foo></super_root>

如果需要，您还可以删除包装标签。

正如我所说，不是很优雅，但确实可以。

【讨论】：

这不适用于带有 XML 声明的 XML 文件
澄清了这个问题。