从文件中解析HTML字符串，并使用xpath删除元素，然后将其写入python中的同一文件中

对于我的项目，我必须使用python-xpath从html文件中删除选择性内容。select元素可以使用.remove（）方法删除，但文件中的内容看起来相同。

如何将修改后的内容再次写入该文件？

不过，如果我尝试使用open（）.write（etree.tosttring（tree_obj））将相同的树对象写入文件，unicode页面的内容会有所不同吗？有其他方法可以保存修改后的文件吗？

为什么打印树对象后，下面输出中的头标记具有不同的值？

请提出建议。

下面是我的代码示例。示例：我需要删除html页面中的所有div标记。

HTML文件：

<html>
<head>test</head>
<body>
<p>welcome to the world</p>
<div id="one">
    <p>one</p>
    <div id="one1">one1</div>
    <ul>
        <li>ones</li>
        <li>twos</li>
        <li>threes</li>
    </ul>
</div>
<div id="hell">
    <p>heaven</p>
    <div id="one1">one1</div>
    <ul>
        <li>ones</li>
        <li>twos</li>
        <li>threes</li>
    </ul>
</div>
<input type="text" placeholder="enter something.." />
<input type="button" value="click" />
</body>
</html>

Python文件：

# _*_ coding:utf-8 _*_
import os
import sys
import traceback
import datetime
from lxml import etree, html
import shutil
def process():
    fd=open("D:\hello.html")
    tree = html.fromstring(fd.read())
    remove_tag = '//div'
    for element in tree.xpath(remove_tag):
        element.getparent().remove(element)
    print etree.tostring(tree)
process()

输出：

<html>
<head/><body><p>test
</p>
<p>welcome to the world</p>
<input type="text" placeholder="enter something.."/>
<input type="button" value="click"/>

</body></html>

我没有研究过python，但我曾在库jsoup的帮助下使用Java解析基于html的网站。

Python也有类似的例子。美味的汤。你可以玩这个东西来获得想要的输出。

希望能有所帮助。

您是否尝试过重新使用python的标准库？

import re</br>
re.sub('<.*?>','', '<nb>foobar<aon><mn>')
re.sub('</.*?>','', '</nb>foobar<aon><mn>')

以上两个操作可以组合使用来删除所有html标记。它也可以很容易地修改以删除div标记。

相关内容

最新更新

热门标签：