Python：使用“lxml.html”将 HTML 内容注入标签

Question

我正在使用lxml.html库来解析 HTML 文档。

我找到了一个特定的标签，我称之为content_tag ，我想更改它的内容（即<div>和</div>之间的文本），新内容是一个带有一些 html 的字符串，说它是'Hello <b>world!</b>' 。

我怎么做？ 我尝试了content_tag.text = 'Hello <b>world!</b>'但随后它转义了所有 html 标签，将<替换为< 等等

我想注入没有escaping 任何 HTML 的文本。 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>

另见： 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 不是很熟悉。 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，更熟悉的人会停下来，让我们俩直截了当。

与此同时，这似乎有效，但没有经过很好的测试：

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：这个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

经过一番折腾，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

Answer 3

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)