如何删除lxml中的元素

我需要使用python的lxml完全删除基于属性内容的元素。 例：

import lxml.etree as et xml=""" <groceries> <fruit state="rotten">apple</fruit> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="rotten">mango</fruit> <fruit state="fresh">peach</fruit> </groceries> """ tree=et.fromstring(xml) for bad in tree.xpath("//fruit[@state=\'rotten\']"): #remove this element from the tree print et.tostring(tree, pretty_print=True) 

我想这打印：

 <groceries> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="fresh">peach</fruit> </groceries> 

有没有办法做到这一点，而不是存储一个临时variables，并手动打印，如：

 newxml="<groceries>\n" for elt in tree.xpath('//fruit[@state=\'fresh\']'): newxml+=et.tostring(elt) newxml+="</groceries>" 

Answer 1

使用xmlElement的remove方法：

 tree=et.fromstring(xml) for bad in tree.xpath("//fruit[@state=\'rotten\']"): bad.getparent().remove(bad) # here I grab the parent of the element to call the remove directly on it print et.tostring(tree, pretty_print=True, xml_declaration=True) 

如果我不得不和@Acorn版本进行比较，那么即使删除的元素不是直接在xml的根节点下，也可以工作。

Answer 2

您正在寻找removefunction。 调用树的remove方法，并传递一个子元素来删除。

 import lxml.etree as et xml=""" <groceries> <fruit state="rotten">apple</fruit> <fruit state="fresh">pear</fruit> <punnet> <fruit state="rotten">strawberry</fruit> <fruit state="fresh">blueberry</fruit> </punnet> <fruit state="fresh">starfruit</fruit> <fruit state="rotten">mango</fruit> <fruit state="fresh">peach</fruit> </groceries> """ tree=et.fromstring(xml) for bad in tree.xpath("//fruit[@state='rotten']"): bad.getparent().remove(bad) print et.tostring(tree, pretty_print=True) 

结果：

 <groceries> <fruit state="fresh">pear</fruit> <fruit state="fresh">starfruit</fruit> <fruit state="fresh">peach</fruit> </groceries> 

Answer 3

我遇到了一种情况：

 <div> <script> some code </script> text here </div> 

div.remove(script)将删除text here我不是那个意思的部分。

按照这里的答案，我发现etree.strip_elements是一个更好的解决scheme，你可以控制是否将删除with_tail=(bool)参数后面的文本。

但是我仍然不知道这是否可以使用xpath筛选器作为标记。 只是把这个通知。

这里是文档：

strip_elements（tree_or_element，* tag_names，with_tail = True）

从树或子树中删除具有提供的标签名称的所有元素。 这将删除元素及其整个子树，包括其所有属性，文本内容和后代。 它也将删除元素的尾部文本，除非明确地将with_tail关键字参数选项设置为False。

标记名称可以像_Element.iter一样包含通配符。

请注意，即使匹配，这也不会删除您传递的元素（或ElementTree根元素）。 它只会对待它的后代。 如果要包含根元素，请在调用此函数之前直接检查其标记名称。

用法示例::

  strip_elements(some_element, 'simpletagname', # non-namespaced tag '{http://some/ns}tagname', # namespaced tag '{http://some/other/ns}*' # any tag from a namespace lxml.etree.Comment # comments )