Question

使用lxml，如何使用绝对链接全局替换所有src属性？

Answer 1

以下是一个示例代码，其中还包含<a href>：

from lxml import etree, html
import urlparse

def fix_links(content, absolute_prefix):
    """
    Rewrite relative links to be absolute links based on certain URL.

    @param content: HTML snippet as a string
    """

    if type(content) == str:
        content = content.decode("utf-8")

    parser = etree.HTMLParser()

    content = content.strip()

    tree  = html.fragment_fromstring(content, create_parent=True)

    def join(base, url):
        """
        Join relative URL
        """
        if not (url.startswith("/") or "://" in url):
            return urlparse.urljoin(base, url)
        else:
            # Already absolute
            return url

    for node in tree.xpath('//*[@src]'):
        url = node.get('src')
        url = join(absolute_prefix, url)
        node.set('src', url)
    for node in tree.xpath('//*[@href]'):
        href = node.get('href')
        url = join(absolute_prefix, href)
        node.set('href', url)

    data =  etree.tostring(tree, pretty_print=False, encoding="utf-8")

    return data

The full story is available in Plone developer documentation。

Answer 2

我不确定何时添加它，但是从lxml.fromstring()创建的文档现在具有称为make_links_absolute的方法。来自documentation：

make_links_absolute（base_href，resolve_base_href = True）：

这使文档中的所有链接都是绝对的，并假设base_href是文档的URL。因此，如果您传递base_href =“ http：//localhost/foo/bar.html”并且存在指向baz.html的链接，该链接将被重写为http://localhost/foo/baz.html。

如果resolve_base_href为true，则将考虑任何标记（只需调用self.resolve_base_href（））。

Answer 3

在测试Mikko Ohtamaa的答案之后，这里有一些注意事项。它适用于许多标签并使用lxm，有不同的情况，例如background-image：url（xxx）。所以我只用正则表达式代替。这是解决方案，

content = re.sub('(?P<left>("|\'))\s*(?P<url>(\w|\.)+(/.+?)+)\s*(?P<right>("|\'))',
                     '\g<left>' + url[:url.rfind('/')] + '/\g<url>\g<right>', content)
content = re.sub('(?P<left>("|\'))\s*(?P<url>(/.+?)+)\s*(?P<right>("|\'))',
                     '\g<left>' + url[:url.find('/', 8)] + '\g<url>\g<right>', content)

lxml - 如何将img src更改为绝对链接

3 个答案: