使用lxml在文本提取中在单词边界上添加空格

Question

来自lxml.html文档的示例：

>>> from lxml import html
>>> root = html.fragment_fromstring('<p>Hello<br>world!</p>')
>>> html.tostring(root,method='text')
'Helloworld!'

我的问题：是否有任何简单（或“正确”）方式来生成'Hello world!'字符串？

Answer 1

您可以尝试这种方法：

from lxml import html
doc = html.document_fromstring('<p>Hello<br>world!</p>')

for br in doc.xpath("*//br"):
    br.tail = " " + br.tail if br.tail else " "

doc.text_content()

打印：

'Hello world!'