Python、lxml 和使用 lxml.html.tostring(el) 删除外部标签

Question

我正在使用下面的代码获取一个部分的所有 html 内容以保存到数据库

el = doc.get_element_by_id('productDescription')
lxml.html.tostring(el)

产品描述有一个标签，看起来像这样:

<div id='productDescription'>

     <THE HTML CODE I WANT>

</div>

代码效果很好，给了我所有的 html 代码，但我如何删除外层，即 <div id='productDescription'>和结束标记 </div> ？

Answer 1

您可以将每个 child 单独转换为字符串:

text = el.text
text += ''.join(map(lxml.html.tostring, el.iterchildren()))

或者以更 hackish 的方式:

el.attrib.clear()
el.tag = '|||'
text = lxml.html.tostring(el)
assert text.startswith('<'+el.tag+'>') and text.endswith('</'+el.tag+'>')
text = text[len('<'+el.tag+'>'):-len('</'+el.tag+'>')]