Python：使用“lxml.html”将 HTML 内容注入到标签中

Question

我正在使用 lxml.html 库来解析 HTML 文档。

我找到了一个名为 content_tag 的特定标记，并且我想更改其内容（即

和

之间的文本）。,)，新内容是一个字符串，其中包含一些 html，假设它是 'Hello world!'。

我该怎么做？我尝试了 content_tag.text = 'Hello world!' 但随后它转义了所有 html 标签，将 < 替换为 < 等。

我想注入文本而不转义任何 HTML。我怎样才能做到这一点？

Answer 1

这是一种方式：

#!/usr/bin/env python2.6
from lxml.html import fromstring, tostring
from lxml.html import builder as E
fragment = """\
<div id="outer">
  <div id="inner">This is div.</div>
</div>"""

div = fromstring(fragment)
print tostring(div)
# <div id="outer">
#   <div id="inner">This is div.</div>
# </div>
div.replace(div.get_element_by_id('inner'), E.DIV('Hello ', E.B('world!')))
print tostring(div)
# <div id="outer">
#   <div>Hello <b>world!</b></div></div>

另请参阅：http://lxml.de /lxmlhtml.html#creating-html-with-the-e-factory

编辑： 所以，我应该早点承认我对 lxml 不太熟悉。我简要查看了文档和源代码，但没有找到干净的解决方案。也许，有更熟悉的人会过来纠正我们的错误。

与此同时，这似乎有效，但没有经过充分测试：

import lxml.html
content_tag = lxml.html.fromstring('<div>Goodbye.</div>')
content_tag.text = '' # assumes only text to start
for elem in lxml.html.fragments_fromstring('Hello <b>world!</b>'):
    if type(elem) == str: #but, only the first?
        content_tag.text += elem
    else:
        content_tag.append(elem)
print lxml.html.tostring(content_tag)

再次编辑：并且此版本删除了文本和子项

somehtml = 'Hello <b>world!</b>'
# purge element contents
content_tag.text = ''
for child in content_tag.getchildren():
    content_tag.remove(child)

fragments = lxml.html.fragments_fromstring(somehtml)
if type(fragments[0]) == str:
    content_tag.text = fragments.pop(0)
content_tag.extend(fragments)

Answer 2

假设 content_tag 没有任何子元素，您可以这样做：

from lxml import html
from lxml.html.builder import B

...

content_tag.text = 'Hello '
content_tag.append(B('world!'))
print html.tostring(content_tag)

Answer 3

经过一番修改，我找到了这个解决方案：

fragments = lxml.html.fragments_fromstring(<string with tags to inject>)
last = None

for frag in fragments:
  if isinstance(frag, lxml.etree._Element):
    content_tag.append(frag)
    last = frag
  else:
    if last:
      last.tail = frag
    else:
      content_tag.text = frag