如何删除lxml中的元素

Answer 1

使用 xmlElement 的

remove

方法：

tree=et.fromstring(xml)

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
  bad.getparent().remove(bad)     # here I grab the parent of the element to call the remove directly on it

print et.tostring(tree, pretty_print=True, xml_declaration=True)

如果我必须与 @Acorn 版本进行比较，即使要删除的元素不直接位于 xml 的根节点下，我的版本也会工作。

Answer 2

您正在寻找

remove

功能。调用树的删除方法并向其传递一个要删除的子元素。

import lxml.etree as et

xml="""
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <punnet>
    <fruit state="rotten">strawberry</fruit>
    <fruit state="fresh">blueberry</fruit>
  </punnet>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>
"""

tree=et.fromstring(xml)

for bad in tree.xpath("//fruit[@state='rotten']"):
    bad.getparent().remove(bad)

print et.tostring(tree, pretty_print=True)

结果：

<groceries>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>

Answer 3

我遇到过一种情况：

<div>
    <script>
        some code
    </script>
    text here
</div>

div.remove(script)

将删除我无意的

text here

部分。

按照here的答案，我发现

etree.strip_elements

对我来说是一个更好的解决方案，您可以通过

with_tail=(bool)

参数控制是否删除后面的文本。

但是我仍然不知道这是否可以使用xpath过滤器作为标签。只是为了通知而已。

这是文档：

strip_elements(tree_or_element, *tag_names, with_tail=True)

从树中删除具有提供的标签名称的所有元素或 子树。这将删除元素及其整个子树， 包括它们的所有属性、文本内容和后代。它 还将删除元素的尾部文本，除非您 明确将

with_tail

关键字参数选项设置为 False。

标签名称可以包含通配符，如

_Element.iter

。

请注意，这不会删除该元素（或 ElementTree 根 元素）您传递的即使它匹配。它只会治疗 它的后代。如果要包含根元素，请选中 在调用此函数之前就直接使用其标签名称。

使用示例::

   strip_elements(some_element,
       'simpletagname',             # non-namespaced tag
       '{http://some/ns}tagname',   # namespaced tag
       '{http://some/other/ns}*'    # any tag from a namespace
       lxml.etree.Comment           # comments
       )

Answer 4

正如已经提到的，您可以使用

remove()

方法从树中删除（子）元素：

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
  bad.getparent().remove(bad)

但是它会删除包括其

tail

在内的元素，如果您正在处理 HTML 之类的混合内容文档，这是一个问题：

<div><fruit state="rotten">avocado</fruit> Hello!</div>

成为

<div></div>

我想这就是你并不总是想要的:) 我创建了辅助函数来仅删除元素并保留其尾部：

def remove_element(el):
    parent = el.getparent()
    if el.tail.strip():
        prev = el.getprevious()
        if prev:
            prev.tail = (prev.tail or '') + el.tail
        else:
            parent.text = (parent.text or '') + el.tail
    parent.remove(el)

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
    remove_element(bad)

这样它将保留尾部文本：

<div> Hello!</div>

Answer 5

您还可以使用 lxml 中的 html 来解决这个问题：

from lxml import html

xml="""
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>
"""

tree = html.fromstring(xml)

print("//BEFORE")
print(html.tostring(tree, pretty_print=True).decode("utf-8"))

for i in tree.xpath("//fruit[@state='rotten']"):
    i.drop_tree()

print("//AFTER")
print(html.tostring(tree, pretty_print=True).decode("utf-8"))

它应该输出这个：

//BEFORE
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>


//AFTER
<groceries>

  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>

  <fruit state="fresh">peach</fruit>
</groceries>

Answer 6

remove

函数从树中分离元素，因此删除 XML 节点（元素、PI 或注释）、其内容（后代项）和

tail

文本。在这里，保留

tail

文本是多余的，因为它只包含空格和换行符，可以将其视为可忽略的空格。

要删除元素（及其内容），保留其

tail

，您可以使用以下函数：

def remove_node(child, keep_content=False):
    """
    Remove an XML element, preserving its tail text.

    :param child: XML element to remove
    :param keep_content: ``True`` to keep child text and sub-elements.
    """
    parent = child.getparent()
    parent_text = parent.text or u""
    prev_node = child.getprevious()
    if keep_content:
        # insert: child text
        child_text = child.text or u""
        if prev_node is None:
            parent.text = u"{0}{1}".format(parent_text, child_text) or None
        else:
            prev_tail = prev_node.tail or u""
            prev_node.tail = u"{0}{1}".format(prev_tail, child_text) or None
        # insert: child elements
        index = parent.index(child)
        parent[index:index] = child[:]
    # insert: child tail
    parent_text = parent.text or u""
    prev_node = child.getprevious()
    child_tail = child.tail or u""
    if prev_node is None:
        parent.text = u"{0}{1}".format(parent_text, child_tail) or None
    else:
        prev_tail = prev_node.tail or u""
        prev_node.tail = u"{0}{1}".format(prev_tail, child_tail) or None
    # remove: child
    parent.remove(child)

这是一个演示：

from lxml import etree

tree = etree.XML(u"<root>text <bad>before <bad>inner</bad> after</bad> tail</root>")
bad1 = tree.xpath("//bad[1]")[0]
remove_node(bad1)

etree.dump(tree)
# <root>text  tail</root>

如果您想保留内容，您可以这样做：

tree = etree.XML(u"<root>text <bad>before <bad>inner</bad> after</bad> tail</root>")
bad1 = tree.xpath("//bad[1]")[0]
remove_node(bad1, keep_content=True)

etree.dump(tree)
# <root>text before <bad>inner</bad> after tail</root>