Python：使用`lxml.html`将HTML内容注入标签

Posted 2023-03-05

【中文标题】Python：使用`lxml.html`将HTML内容注入标签

【英文标题】：Python: Injecting HTML content into a tag using `lxml.html`

【发布时间】：2011-10-25 06:00:42

【问题描述】：

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），新内容是一个包含一些html的字符串，说它是'Hello <b>world!</b>'。

我该怎么做？我试过content_tag.text = 'Hello <b>world!</b>'，但它转义了所有的html标签，用<等替换<。

我想注入文本而不转义任何 HTML。我该怎么做？

【问题讨论】：

nice 的方式，因为您真的想修改 DOM 结构，所以为 world 添加一个新的子节点。

【参考方案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，这似乎可行，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：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)

【讨论】：

这种方式对我不起作用，原因有两个：（1）我不想替换标签，我想替换标签的内容和（2）html段我要注入的已经是文本形式了，我不想用E构建它。

【参考方案2】：

假设 content_tag 没有任何子元素，你可以这样做：

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

...

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

【讨论】：

没有帮助——我的 HTML 文本事先不知道，我无法在代码中将其构造为 HTML 结构。

啊，但你没有在你的问题中指定这一点（“事先不知道”部分）。

mwalsh 的编辑答案看起来不错，应该适用于任意 html。

【参考方案3】：

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