lxml.etree, element.text पूरे पाठ को तत्व

Question

से वापस नहीं करता है, मैंने xpath के माध्यम से कुछ HTML को तोड़ दिया, जिसे मैंने फिर एक एट्री में परिवर्तित कर दिया। इस के लिए कुछ इसी तरह की:

<td> text1 <a> link </a> text2 </td> 

लेकिन जब मैं element.text कहते हैं, मैं सिर्फ टेक्स्ट 1 मिलता है (यह, वहाँ होना चाहिए जब मैं FireBug में अपनी क्वेरी की जाँच करें, तत्वों के पाठ पर प्रकाश डाला है, दोनों से पहले पाठ और एम्बेडेड लंगर तत्वों के बाद ...

Answer 1

उपयोग element.xpath("string()") या lxml.etree.tostring(element, method="text") -।। the documentation देख

Answer 2

मेरे लिए एक lxml बग की तरह दिखता है, लेकिन यदि आप दस्तावेज़ पढ़ें डिजाइन के अनुसार मैं इसे इस तरह समाधान कर लिया है :

def node_text(node): 
    if node.text: 
     result = node.text 
    else: 
     result = '' 
    for child in node: 
     if child.tail is not None: 
      result += child.tail 
    return result 

Answer 3

def get_text_recursive(node): 
    return (node.text or '') + ''.join(map(get_text_recursive, node)) + (node.tail or '') 

Answer 4

वहां लोगों के लिए सार्वजनिक सेवा के रूप में जो आलसी हो सकते हैं। यहां से कुछ कोड यहां दिया गया है जिसे आप चला सकते हैं।

from lxml import etree 

def get_text1(node): 
    result = node.text or "" 
    for child in node: 
     if child.tail is not None: 
      result += child.tail 
    return result 

def get_text2(node): 
    return ((node.text or '') + 
      ''.join(map(get_text2, node)) + 
      (node.tail or '')) 

def get_text3(node): 
    return (node.text or "") + "".join(
     [etree.tostring(child) for child in node.iterchildren()]) 


root = etree.fromstring(u"<td> text1 <a> link </a> text2 </td>") 

print root.xpath("string()") 
print root.xpath("text()") 
print get_text1(root) 
print get_text2(root) 
print etree.tostring(root, method = "text") 
print etree.tostring(root, method = "xml") 
print get_text3(root) 

आउटपुट है:

snowy:rpg$ python test.py 
text1 link text2 
[' text1 ', ' text2 '] 
text1 text2 
text1 link text2 
text1 link text2 
<td> text1 <a> link </a> text2 </td> 
text1 <a> link </a> text2 

Answer 5

<td> text1 <a> link </a> text2 </td> 

यहाँ कैसे यह (अनदेखी खाली स्थान के) है:

td.text == 'text1' 
a.text == 'link' 
a.tail == 'text2' 

आप एक पाठ बच्चे तत्वों के अंदर तो यह है कि नहीं चाहते हैं आप केवल अपनी पूंछ एकत्र कर सकते हैं:

text = td.text + ''.join([el.tail for el in td]) 

Answer 6

एक और बात यह है कि एक तत्व से बाहर पाठ पाने के लिए अच्छी तरह से काम कर रहा है "".join(element.itertext())

Answer 7

है element<td> के बराबर है। आप निम्नलिखित कर सकते हैं।

element.xpath('.//text()') 

यह आपको एक (डॉट के अर्थ) self से सभी पाठ तत्वों की सूची दे देंगे। // का अर्थ है कि यह सभी तत्वों को ले जाएगा और अंततः text() टेक्स्ट निकालने का कार्य है।

Answer 8

element.xpath('normalize-space()') also works.