Python在cssselect和text_content()之后在lxml.html中保留换行符

Question

在python中，使用lxml.html时如何保留段落（即保留换行符）？

例如，以下内容将剥离

标签并加入行，这不是我想要的：

body = doc.cssselect("div.body")[0]
content = body.text_content()

这是我尝试过但不起作用的方法：

• lxml.html.clean.clean_html：
  • 不会保留换行符。
• 内容.replace(" "*3,"\n\n"):
  • 无法始终如一地工作，因为 组合文本不具有相同的 空格数。

Answer 1

lxml text_content 正在做根据文档应该做的事情，它正在剥离 html 标签并留下文本。

您可以通过在输出内容之前添加自己的换行符来解决此问题。

body = doc.cssselect("div.body")[0]
for para in body.xpath("*//p"):
    para.text = "\n%s\n" % para.text
content = body.text_content()
print content