python - 如何使用 lxml 访问评论

Question

我正在尝试从使用 lxml 获得的元素列表中删除注释

我能做的最好的是:

no_comments=[element for element in element_list if 'HtmlComment' not in str(type(each))]

请问有没有更直接的方法？

我将根据 Matthew 的回答添加一些内容 - 他让我几乎明白了 问题是当元素从树中取出时，评论失去了一些身份(我不知道如何描述它)所以它无法通过isinstance()方法判断是否为HtmlComment类对象

但是，当在树上迭代元素时可以使用该方法

from lxml.html import HtmlComment
no_comments=[element for element in root.iter() if not isinstance(element,HtmlComment)

对于像我这样的新手，root 是包含树中所有其他元素的基本 html 元素，有多种方法可以获取它。一种是打开文件并遍历它，而不是上面的 root.iter()

html.fromstring(open(r'c:\temp\testlxml.htm').read()).iter()

Answer 1

你可以剪掉字符串:

from lxml.html import HtmlComment # or similar
no_comments=[element for element in element_list if not isinstance(element, HtmlComment)]