Question

我是lxml的新手，我正在尝试使用iterlinks（）来重写链接。

import lxml.html
html = lxml.html.document_fromstring(doc)
for element, attribute, link, pos in html.iterlinks():
    if attibute == "src":
         link = link.replace('foo', 'bar')
print lxml.html.tostring(html)

但是，这实际上并没有取代链接。我知道我可以使用.rewrite_links，但iterlinks提供了有关每个链接的更多信息，所以我更愿意使用它。

提前致谢。

Answer 1

您不必仅为变量名link分配新的（字符串）值，而是必须更改元素本身，在这种情况下，通过设置其src属性：

new_src = link.replace('foo', 'bar') # or element.get('src').replace('foo', 'bar')
element.set('src', new_src)

请注意 - 如果您知道自己感兴趣的“链接”，例如，只有img元素 - 您也可以使用.findall()（或xpath或css选择器）来获取元素使用.iterlinks()。

Answer 2

lxml提供了一个rewrite_links方法（或者将要解析的文本传递给文档的函数），以提供一种更改文档中所有链接的方法：

.rewrite_links（link_repl_func，resolve_base_href = True，base_href = None）：这将使用您给定的链接替换功能重写文档中的所有链接。如果您提供base_href值，则所有链接将在与此URL连接后传入。对于每个链接，调用link_repl_func（link）。该函数然后返回新链接，或者无以删除包含该链接的属性或标记。请注意，所有链接都将被传入，包括“#anchor”（纯粹是内部）等链接，以及“mailto：bob@example.com”（或javascript：...）等链接。

Answer 3

可能链接只是实际对象的副本。尝试替换循环中元素的属性。即使元素也只是一个副本，但它值得一试......

Answer 4

这里是带有rewrite_links的工作代码：

from lxml.html import fromstring, tostring

e = fromstring("<html><body><a href='http://localhost'>hello</body></html>")

def my_rewriter(link):
  return "http://newlink.com"

e.rewrite_links(my_rewriter)
print(tostring(e))

输出：

    b'<html><body><a href="http://newlink.com">hello</a></body></html>'

如何使用lxml和iterlinks替换链接

4 个答案: