Question

我想使用lxml获取src内容并用空格替换它们但身体仍然没有被取代请帮帮我谢谢。

import re
import lxml.html
#the content of source.log is a webpage source code I got by scrapy
with open("source.log", "r") as bb:
    c_str = bb.read()
    body =  c_str.decode('utf-8')


doc  = lxml.html.fromstring(body)
src  = doc.xpath("//@src")

for ss in src:
    re.search(ss,body)
    body.replace(str(ss),'')
    print body

例如：如果身体是

'src="http://pic/1379181836.jpg"/><br>紅心<br></div><div>tel:12345678</div>' \
           'src="http://pic/4447918.jpg"/>'

我想要的结果是：

'src=""/><br>紅心<br></div><div>tel:12345678</div>' \
           'src=""/>'

Answer 1

至少，您需要将替换结果分配给body：

for ss in src:
    body = body.replace(str(ss), '')
print body

尽管如此，我个人并不喜欢这种做法。更好地找到具有src属性的所有标记，并将属性值设置为空字符串：

for element in doc.xpath("//*[@src]"):
    element.attrib['src'] = ''

print lxml.html.tostring(doc)

如何使用lxml查找所有src标签并替换它们

1 个答案: