在lxml中移除img标签

Question

我有这段代码：

from lxml.html import fromstring, tostring

html = "<p><img src='some_pic.jpg' />Here is some text</p>"

doc = fromstring(html)
img = doc.find('.//img')
doc.remove(img)

print tostring(doc)

输出结果是：<p></p>

为什么去掉标签后，后面的文字也没了？换句话说，为什么结果不是：<p>这里有一些文字</p>？我怎么才能只去掉那个标签，而不去掉文字呢？注意，即使我在标签后面加上了明确的闭合标签，结果还是一样的：

html = "<p><img src='some_pic.jpg'></img>Here is some text</p>"

Answer 1

这里有一些文本 这个文本是 img 标签的 尾部 - 它是元素的一部分，并且会随着元素一起被移除。

为了保留 尾部 - 你可以把它赋值给 img 的父元素的文本：

from lxml.html import fromstring, tostring

html = "<p><img src='some_pic.jpg' />Here is some text</p>"

doc = fromstring(html)
img = doc.find('.//img')
parent = img.getparent()
parent.text = img.tail
doc.remove(img)

print tostring(doc)

输出结果是：

<p>Here is some text</p>