Question

我正在尝试使用lxml.html来编写要删除的清理例程没有内容的空DIV元素。在调试过程中，我注意到了标准的tostring（） - ＆gt; fromstring（）迭代修改我的HTML。首先，它删除了外部身体标签，然后它改变了DIV结构。

为什么？

(Pdb) from lxml.html import fromstring, tostring
(Pdb) print html

<body>
<div></div>
<p>hello world</p>
<div>   </div>
<p><div> </div></p>
</body>

(Pdb) print tostring(fromstring(html))
<div>
<div></div>
<p>hello world</p>
<div>   </div>
<p></p><div> </div>
</div>

Answer 1

这是对的。虽然您的示例格式正确，但它不是有效的html，因此lxml会尽力纠正它。特别是div元素不能嵌套在p元素中，并且根标记不能是body。请改用etree模块：

from lxml.etree import fromstring, tostring

fromstring（） - ＆gt; tostring（）修改整个HTML结构

1 个答案: