获取包含文本的标签的最快方法

Question

我需要使用lxml.html获取包含文本的所有标记。我一直在使用{e.tag for e in doc.xpath('.//*[text()= true()]')}，但text()中的通配符和lxml查询都非常慢。是否有更快的方法来做到这一点。

Answer 1

你可以试试这个：

>>> import itertools
>>> [e.tag for e in itertools.ifilter(lambda x: x.text,doc.findall('.//'))]

不确定它是否更快，但它避免了你提到的两件事（XPath通配符和text()功能）。

如果你只想使用列表（而不是迭代器），那么这种语法就更简单了：

>>> filter(lambda x: x.text,doc.findall('.//'))

如果你在找到它时处理每个标记（很可能更快），你应该使用迭代器。

Answer 2

获取一组标签名称，其元素包含一些文本：

tags = {e.tag for e in doc.iter() if e.text}