lxml：我无法删除跨度标签和里面的文本答案

【问题标题】：lxml: I can't remove a span tag and the text insidelxml：我无法删除跨度标签和里面的文本
【发布时间】：2015-06-12 10:39:36
【问题描述】：

我有一个 html 文件，其中包含一些像这样的 div（非常简化）：

<div num="1" class="class1">
  <div class="class1-text">
    <span class="class2">
      <span class="class3"> some chinese text </span>
      some english text
    </span>
  </div>
</div>

我正在尝试通过使用 lxml 删除包含它的 span 节点来删除所有中文文本：

parser = et.XMLParser(remove_blank_text=True, recover=True)
documentXml=et.parse(html_FileName, parser)
for class1Node in documentXml.xpath('//div[@class="class1-text"]'):
    chineseNode=class1Node.xpath('.//span[@class="class3"]')
    chineseNode.getparent().remove(chineseNode)

但是我不是从 xpath 中获取 span class3 节点，而是得到 span class2，因此我最终删除了所有内容（甚至是英文文本）。

如果我不使用 lxml 解析，则会出现解析错误（可能是汉字问题或 html 错误）。

【问题讨论】：

标签： html lxml

【解决方案1】：

你可以试试strip_elements()函数，比如：

from lxml import etree as et

parser = et.XMLParser(remove_blank_text=True, recover=True)
documentXml=et.parse(html_FileName, parser)
for class1Node in documentXml.xpath('//div[@class="class1-text"]'):
    chineseNode=class1Node.xpath('.//span[@class="class3"]')
    et.strip_elements(chineseNode[0].getparent(), 'span', with_tail=False)

print(et.tostring(documentXml))

它产生：

b'<div num="1" class="class1"><div class="class1-text"><span class="class2">\n      some english text\n    </span></div></div>'

【讨论】：

【解决方案2】：

您应该能够将您的 xpath 选择器简化为：

for chineseNode in documentXml.xpath("//div[@class='class1-text']//span[@class='class3']"):
    chineseNode.getparent().remove(chineseNode)

【讨论】：