个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
25
4
我有一些看起来像这样的 SGML
<!DOCTYPE sometype>
<ITEM>
<DATE>19-OCT-1987</DATE>
<TEXT>
<TITLE>I AM THE TITLE</TITLE>
<AUTHOR>I AM THE AUTHOR</AUTHOR>
<DATELINE>WHEN I WAS CREATED</DATELINE><BODY>
I WANT TO PRESERVE THIS TAG!
</BODY></TEXT>
</ITEM>
<ITEM>...
我试图用 lxml.html 解析它，但它似乎去除了我需要保留的 BODY 标签。接下来我尝试使用 lxml.etree，但正如您所见，所有 ITEM 标签都没有共同的父元素。我目前使用的代码
doc = """<!DOCTYPE sometype>
<ITEM>
<DATE>19-OCT-1987</DATE>
<TEXT>
<TITLE>I AM THE TITLE</TITLE>
<AUTHOR>I AM THE AUTHOR</AUTHOR>
<DATELINE>WHEN I WAS CREATED</DATELINE><BODY>
I WANT TO PRESERVE THIS TAG!
</BODY></TEXT>
</ITEM>"""
from lxml import etree
parser = etree.XMLParser(recover=True) # I have invalid HTML chars to ignore
sgml = etree.fromstring(doc, parser)
现在 sgml 只是第一个 ITEM 元素。我需要它是所有 ITEM 元素。有任何想法吗？ lxml.html 做我想做的事，但默认情况下它会去除 BODY 标签，而且我还没有找到禁用此行为的方法。
最佳答案
没有共同的父元素？就做一个吧!您可以重写它们以具有父元素，比如 ROOT。插入 <ROOT>在第一个之前 <ITEM>和 </ROOT>在文档的末尾。以编程方式进行操作非常简单，即使您必须保留实际的磁盘内容。
例如。
<!DOCTYPE sometype>
<ROOT>
<ITEM>
<DATE>19-OCT-1987</DATE>
<TEXT>
<TITLE>I AM THE TITLE</TITLE>
<AUTHOR>I AM THE AUTHOR</AUTHOR>
<DATELINE>WHEN I WAS CREATED</DATELINE><BODY>
I WANT TO PRESERVE THIS TAG!
</BODY></TEXT>
</ITEM>
<ITEM>
<DATE>19-OCT-1879</DATE>
<TEXT>
<TITLE>I AM THE TITLE</TITLE>
<AUTHOR>I AM THE AUTHOR</AUTHOR>
<DATELINE>WHEN I WAS CREATED</DATELINE><BODY>
I WANT TO PRESERVE THIS TAG!
</BODY></TEXT>
</ITEM>
<ITEM>
<DATE>19-OCT-9871</DATE>
<TEXT>
<TITLE>I AM THE TITLE</TITLE>
<AUTHOR>I AM THE AUTHOR</AUTHOR>
<DATELINE>WHEN I WAS CREATED</DATELINE><BODY>
I WANT TO PRESERVE THIS TAG!
</BODY></TEXT>
</ITEM>
</ROOT>
我刚刚试过了，它似乎可以满足您的要求。另存为/tmp/goodfoo 并加载 lxml.etree.fromstring(allcontent) ;然后我像这样访问了你说“想要保留”的文本:b.getchildren()[0].getchildren()[-1].getchildren()[-1].text
(即获取第一个ITEM，获取其TEXT元素，获取TEXT元素的BODY元素，返回BODY元素的任意文本内容。)
关于python - 使用没有根/父元素的 lxml.etree，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16597192/
25
4
0
我目前正在寻找一些关于 jQuery 的建议，因为我认为我做错了，即使我得到了我想要的结果。 我想在更改时将输入的值更改为最接近的具有 .milestone 类的输入的值。我想要更改的输入是保持输入，
我已经阅读有关绑定(bind)、调用、申请的文章近一周了，对我来说仍然很复杂。我想我写的这个 jsfiddle 需要它们。然而，我没能做到，因为我仍然很困惑。 我尽力写了一些我上周从遇到这个问题的开发
我有一个项目生成代码。生成时间真的很长，所以我把它分成了多个项目，每个项目产生了整体的 20%。原始 POM 成为“父 POM”，子项依赖于它，仅包含一个单独的 Artifact ID 和一两个更改的
我正在使用局部 View 来创建父 subview 。我最理想的是父 View 上的提交按钮，用于保存子值。 我有以下模型。 public class Course { public int
我刚刚开始学习Rust，并且在理解所有权如何在我的案例中遇到一些麻烦: use std::ops::IndexMut; // =====================================
我是 JavaScript 新手，想了解更多有关它实例化父/子对象的顺序的信息。更具体地说，我想从编译器/浏览器的 Angular 理解以下代码片段。 var parent = { child:
我正在测试 Azure IaaS，并遇到了一个非常基本的问题。我有一个父 VHD 和子 VHD，已使用 csupload 将其作为页面 blob 上传，并且门户中显示图像和磁盘。然后我尝试将 pare
我的应用程序会定期为我坚持使用的对象请求更新 Core Data到网络服务。然后我需要更新我在主要上下文中拥有的对象(默认情况下 AppDelegate 中提供的对象)。编辑对象的不是用户，所以我需要
texT text text text text text 如何直接获取来自.menu ？ 里面的 child 不应该采取。
我一直需要影响与其他元素相关的元素，但我的方法有点业余! 即到 // matched item where script is called from LINK 我使用； $(thi
我有两个表: 父子“类别”: id name parent_id 1 Food NULL 2 Pizza 1 3 Pasta
Linux 上的 Python 2.7.6。 我正在使用从父级继承的测试类。父类保存了许多子类共有的许多字段，我需要调用父类的 setUp 方法来初始化这些字段。调用 ParentClass.setU
我有一个处理图像、相册和相册类别的数据库。 一个专辑可以有多个专辑(子专辑)，并且只有 1 级深度。 一张专辑仅属于一个专辑类别。 在这里做了一些研究，我相信最合适的数据库模型是这个 album_ca
我有一个关键字表，其中每个关键字都分配有一个 ID，并且是唯一的。我有第二个表，将父关键字的 ID 链接到子关键字的 ID。一个关键字最多可以有大约 800 个 child 或根本没有。 child
我经常使用这个 CSS 选择器 parent>child。我的设计在 Mozilla 和 Opera 中看起来不错。 但在 IE 中，它很糟糕。我知道 > 在 IE 中无法识别，但在 IE 中有什么替
我一直在用一个父对象构建一个系统，它在其中创建各种子对象，每个子对象都需要一个主对象才能运行。现在，到目前为止，我一直在创建 shared_ptr和 Child* ，所以当 Parent 和 所有 C
我从以下两个类中收到序列化兼容性错误。只有父类CommericalCustomer 实现了序列化。当具有如下所示的父/子关系时，使用可序列化接口(interface)的正确方法是什么？ public
我正在开发一个程序并学习父/子进程。目前我的子进程是 exit(variable); 在我的 main() 中我有: signal(SIGCHLD, chldHandler); 在我的 main()
考虑以下两个具体类: public class A { protected void foo() { System.out.println("A foo"); bar
所以，我正在尝试建立这样的父/子类关系: class ParentClass where C : ChildClass { public void AddChild(C child)
我是一名优秀的程序员,十分优秀！