LXML：获取子元素之间的文本

Question

我有一个结构很糟糕的 html 模板，其中我的

<section>

元素包含多个元素（p、figure、a 等），但中间也包含原始文本。我如何访问所有这些文本片段，并就地编辑它们（我需要的是用标签替换所有

$$code$$

？）

section.text

和

section.tail

都返回空字符串...

Answer 1

检查紧邻文本之前的完整标记的

.tail

。因此，在

<section>A<p>B</p>C<p>D</p>E</section>

中，两个

.tail

元素的

<p>

将包含 C 和 E。

示例：

from lxml import etree

root = etree.fromstring('<root><section>A<p>B</p>C<p>D</p>E</section></root>')

for section_child in root.find('section'):
    section_child.tail = section_child.tail.lower()

print(etree.tounicode(root))

结果：

<root><section>A<p>B</p>c<p>D</p>e</section></root>

Answer 2

我从我发布的问题的答案中了解到：在根元素内的元素之间解析 XML 文本

from lxml import etree


xml = '<a>aaaa1<b>bbbb</b>aaaa2<c>cccc</c>aaaa3</a>'
element = etree.fromstring(xml)
for text in element.xpath('text()'):
    xml = xml.replace(f'>{text}<', f'>{text.upper()}<')

对此的一个担忧是关于 xml 中的 CDATA，但我猜这对于 html 来说不是问题。