在lxml中，如何删除标签但保留所有内容？

Question

问题是这样的：我有一个像这样的 XML 片段：

<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>

对于结果，我想删除所有 - 和 - 标签，但是保留它们的（文本）内容和子节点。此外，-元素应保持不变。结果应该是这样的

<fragment>text1 inner<d>1</d> text2 <b>inner2</b> text3</fragment>

暂时，我将恢复到一个非常肮脏的技巧：我将 etree.tostring 片段，通过正则表达式删除有问题的标签，并用 etree.fromstring 结果替换原始片段（不是真正的代码，但应该是这样的）：

from lxml import etree
fragment = etree.fromstring("<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>")
fstring = etree.tostring(fragment)
fstring = fstring.replace("<a>","")
fstring = fstring.replace("</a>","")
fstring = fstring.replace("<c>","")
fstring = fstring.replace("</c>","")
fragment = etree.fromstring(fstring)

我知道我可能可以使用 xslt 来实现这一点，并且我知道 lxml 可以使用 xslt，但是必须有更多的 lxml 本机方法吗？

仅供参考：我尝试使用 lxml 的 element.replace 到达那里，但由于我想在之前有元素节点的位置插入文本，所以我认为我无法做到这一点。

Answer 1

试试这个：http://lxml.de/api/lxml.etree-module。 html#strip_tags

>>> etree.strip_tags(fragment,'a','c')
>>> etree.tostring(fragment)
'<fragment>text1 inner1 text2 <b>inner2</b> text3</fragment>'

Answer 2

使用lxml的Cleaner功能从html内容中删除标签。
下面是一个执行您想要的操作的示例。对于 HTML 文档，Cleaner 是比使用 strip_elements 更好的通用解决方案，因为在这种情况下，您想要删除的不仅仅是标签；您还想删除其他标签上的 onclick=function() 属性等内容。

import lxml
from lxml.html.clean import Cleaner
cleaner = Cleaner()
cleaner.remove_tags = ['p']
remove_tags:

要删除的标签列表。只有标签将被删除，它们的内容将被提取到父标签中。