Question

我正在使用lxml和python 2.7来解析xml文件。我需要使用remove方法在某个时候删除一个元素，但非常奇怪的是它也删除了一些文本。

输入xml是：

cross-refs

然后我需要将cross-ref元素展开为多个refid，并将其分隔为<ce:para view="all">Web and grid services <ce:cross-ref refid="BIB10">[10]</ce:cross-ref><ce:cross-ref refid="BIB11">[11]</ce:cross-ref>, where they can provide rich service descriptions that can help in locating suitable services.</ce:para>。所以输出应该是这样的：

xpath = "//ce:cross-refs"
cross_refs = tree.xpath(xpath, namespaces={'ce': 'http://www.elsevier.com/xml/common/dtd'})
for c in cross_refs:
    c_parent = c.getparent()
    c_values = c.text.strip("[]")
    ...
    ref_ids = c.attrib['refid'].strip().split()
    i = 0
    for r in ref_ids:
        ...
        tag = et.QName(CE, 'cross-ref')
        exploded_cross_refs = et.Element(tag, refid=r, nsmap=NS_MAP)
        exploded_cross_refs.text = "[" + c_values[i] + "]"
        c.addprevious(exploded_cross_refs)
        i += 1
    c_parent.remove(c)

这里是python代码的缩写：

cross-refs

获取refid元素，展开cross-ref值和元素文本值，然后创建新的cross-refs元素，并在原始cross-refs之前添加它们，最后我想要删除旧的<ce:para view="all">Web and grid services <ce:cross-ref refid="BIB10">[10]</ce:cross-ref><ce:cross-ref refid="BIB11">[11]</ce:cross-ref></ce:para>元素，我的问题就在这里：当我删除此元素时，结束标记和下一个元素之间的文本也会被删除，因此最终结果如下：

cross-ref

请注意，上一个para和{{1}}元素之间的文字已被删除！我该如何解决这个问题？

Answer 1

似乎是remove方法，默认情况下会移除element.tail。所以我用remove方法替换strip_elements，该方法采用with_tail参数，因此您可以控制是否删除尾部。这是documentation，这是我使用的命令：

et.strip_elements(c_parent, 'cross-refs', with_tail=False)

Answer 2

或者，特别是在不需要删除某个父级中某个名称的所有元素的情况下，我们可以创建一个简单的方法，将尾部附加到前一个元素（如果有），或者附加它否则，在元素实际删除之前的父文本：

def remove_preserve_tail(element):
    if element.tail:
        prev = element.getprevious()
        parent = element.getparent()
        if prev is not None:
            prev.tail = (prev.tail or '') + element.tail
        else:
            parent.text = (parent.text or '') + element.tail
    parent.remove(element)

<强>演示：

>>> from lxml import etree
>>> raw = '''<root>
... foo
... <div></div>has tail and no prev
... <br/><div></div>has tail and prev
... <br/>
... <div>no tail, whitespaces only</div>
... </root>'''
... 
>>> root = etree.fromstring(raw)
>>> divs = root.xpath("//div")
>>> for div in divs:
...     remove_preserve_tail(div)
... 
>>> print etree.tostring(root)
<root>
foo
has tail and no prev
<br/>has tail and prev
<br/>

</root>

如何防止lxml remove方法删除两个元素之间的文本

2 个答案: