lxml.etree, element.text,

Question

öğesinden tüm metni geri döndürmez. Xpath yoluyla bazı html'yi kopyaladıktan sonra bir etiğe dönüştürdüm. Buna benzer bir şey:

<td> text1 <a> link </a> text2 </td> 

Ben FireBug benim sorgu kontrol ederken ama element.text çağırdığınızda, sadece metin1 olsun (O olmalı, elemanların metin vurgulanır, önce metin hem ve gömülü ankraj elemanları sonra ...

Answer 1

kullanın element.xpath("string()") veya lxml.etree.tostring(element, method="text") -.. the documentation bakınız

Answer 2

bana bir lxml hata gibi görünüyor, ama belgelere okursanız tasarımına göre ben böyle çözdük :

def node_text(node): 
    if node.text: 
     result = node.text 
    else: 
     result = '' 
    for child in node: 
     if child.tail is not None: 
      result += child.tail 
    return result 

Answer 3

def get_text_recursive(node): 
    return (node.text or '') + ''.join(map(get_text_recursive, node)) + (node.tail or '') 

Answer 4

Dışarıdaki gibi tembel olabilecek insanlara bir kamu hizmeti olarak. İşte baştan başlayabileceğiniz bazı kodlar.

from lxml import etree 

def get_text1(node): 
    result = node.text or "" 
    for child in node: 
     if child.tail is not None: 
      result += child.tail 
    return result 

def get_text2(node): 
    return ((node.text or '') + 
      ''.join(map(get_text2, node)) + 
      (node.tail or '')) 

def get_text3(node): 
    return (node.text or "") + "".join(
     [etree.tostring(child) for child in node.iterchildren()]) 


root = etree.fromstring(u"<td> text1 <a> link </a> text2 </td>") 

print root.xpath("string()") 
print root.xpath("text()") 
print get_text1(root) 
print get_text2(root) 
print etree.tostring(root, method = "text") 
print etree.tostring(root, method = "xml") 
print get_text3(root) 

Çıktı geçerli:

snowy:rpg$ python test.py 
text1 link text2 
[' text1 ', ' text2 '] 
text1 text2 
text1 link text2 
text1 link text2 
<td> text1 <a> link </a> text2 </td> 
text1 <a> link </a> text2 

İşte

Answer 5

<td> text1 <a> link </a> text2 </td> 

o (gözardı boşluk) 'dir açıklanmıştır:

td.text == 'text1' 
a.text == 'link' 
a.tail == 'text2' 

sonra alt öğeleri içinde olan bir metin istemiyorsanız Yalnızca kendi kuyruklarını toplayabilirsiniz:

<td> eşitse

Answer 6

bir elementin dışında metnini almak için iyi çalışıyor gibi görünüyor başka bir şey "".join(element.itertext())

Answer 7

olduğunu. Aşağıdakileri yapabilirsiniz.

element.xpath('.//text()') 

Size self gelen tüm metin öğelerinin bir listesini (noktanın anlamı) verecektir. //, tüm öğeleri alacağı ve son olarak text() metnin çıkarılacağı anlamına gelir.

Answer 8

element.xpath('normalize-space()') also works.