如何在lxml中用文本替换元素？

Question

如何在lxml中用文本替换元素？

13

使用lxml的ElementTree API可以轻松地从XML文档中完全删除给定元素，但我看不到一种简单的方法来始终将一个元素替换为一些文本。例如，给定以下输入：

input = '''<everything>
<m>Some text before <r/></m>
<m><r/> and some text after.</m>
<m><r/></m>
<m>Text before <r/> and after</m>
<m><b/> Text after a sibling <r/> Text before a sibling<b/></m>
</everything>
'''

你可以使用以下代码轻松删除每个 <r> 元素：

from lxml import etree
f = etree.fromstring(data)
for r in f.xpath('//r'):
    r.getparent().remove(r)
print etree.tostring(f, pretty_print=True)

不过，你如何才能用文本替换每个元素以获得以下输出：

<everything>
<m>Some text before DELETED</m>
<m>DELETED and some text after.</m>
<m>DELETED</m>
<m>Text before DELETED and after</m>
<m><b/>Text after a sibling DELETED Text before a sibling<b/></m>
</everything>

在我看来，由于ElementTree API是通过每个元素的.text和.tail属性处理文本而不是树中的节点，这意味着你必须处理很多不同的情况，具体取决于该元素是否有兄弟元素，现有元素是否具有.tail属性等等。我错过了一些简单的方法吗？

- Mark Longair

如果<r/>有子元素，您是否也想将它们删除？还是合并到<r/>的父级元素中？ - MattH

在这种情况下，我只想删除<r>节点及其所有子节点，并用文本字符串替换它。希望这样更容易 :) - Mark Longair

3个回答

8

使用 strip_elements 的劣势在于，您无法让它在替换其他元素时保留某些<r>元素。它还需要存在一个ElementTree实例（可能不存在）。最后，您不能使用它来替换XML注释或处理指令。以下内容应该能够胜任您的工作：

for r in f.xpath('//r'):
    text = 'DELETED' + r.tail 
    parent = r.getparent()
    if parent is not None:
        previous = r.getprevious()
        if previous is not None:
            previous.tail = (previous.tail or '') + text
        else:
            parent.text = (parent.text or '') + text
        parent.remove(r)

- bernulf

2

我认为 text = 'DELETED' + r.tail 应该改为 text = 'DELETED' + r.tail if r.tail else 'DELETED'。 - mzjn

4

使用 ET.XSLT:

import io
import lxml.etree as ET

data = '''<everything>
<m>Some text before <r/></m>
<m><r/> and some text after.</m>
<m><r/></m>
<m>Text before <r/> and after</m>
<m><b/> Text after a sibling <r/> Text before a sibling<b/></m>
</everything>
'''

f=ET.fromstring(data)
xslt='''\
    <xsl:stylesheet version="1.0"
        xmlns:xsl="http://www.w3.org/1999/XSL/Transform">    

    <!-- Replace r nodes with DELETED
         http://www.w3schools.com/xsl/el_template.asp -->
    <xsl:template match="r">DELETED</xsl:template>

    <!-- How to copy XML without changes
         http://mrhaki.blogspot.com/2008/07/copy-xml-as-is-with-xslt.html -->    
    <xsl:template match="*">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>
    <xsl:template match="@*|text()|comment()|processing-instruction">
        <xsl:copy-of select="."/>
    </xsl:template>
    </xsl:stylesheet>
'''

xslt_doc=ET.parse(io.BytesIO(xslt))
transform=ET.XSLT(xslt_doc)
f=transform(f)

print(ET.tostring(f))

产量

<everything>
<m>Some text before DELETED</m>
<m>DELETED and some text after.</m>
<m>DELETED</m>
<m>Text before DELETED and after</m>
<m><b/> Text after a sibling DELETED Text before a sibling<b/></m>
</everything>

- unutbu

3

+1 这是一个很好但真的不明显的答案 :) 我之所以会有这个问题，是因为我对另一个问题的回答不够充分，并希望有比这更简单的方法。即使像这样一个简短的例子，XSLT与我的问题中仅删除元素的代码相比，仍然冗长且难以理解。 - Mark Longair

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MattH · Accepted Answer

我认为unutbu的XSLT解决方案可能是实现你目标的正确方式。

然而，这里有一种有点hacky的方法来实现它，通过修改标签的tail，然后使用etree.strip_elements函数。

from lxml import etree

data = '''<everything>
<m>Some text before <r/></m>
<m><r/> and some text after.</m>
<m><r/></m>
<m>Text before <r/> and after</m>
<m><b/> Text after a sibling <r/> Text before a sibling<b/></m>
</everything>
'''

f = etree.fromstring(data)
for r in f.xpath('//r'):
  r.tail = 'DELETED' + r.tail if r.tail else 'DELETED'

etree.strip_elements(f,'r',with_tail=False)

print etree.tostring(f,pretty_print=True)

给你：

<everything>
<m>Some text before DELETED</m>
<m>DELETED and some text after.</m>
<m>DELETED</m>
<m>Text before DELETED and after</m>
<m><b/> Text after a sibling DELETED Text before a sibling<b/></m>
</everything>