使用Python和lxml获取并更改元素文本
首先，我知道在StackOverflow上已经有很多关于Python和lxml的问题，我也读过大部分，甚至可能是全部。现在我想要一个更全面的答案。
我正在进行一些HTML转换，需要对HTML进行语法解析，然后对一些内容进行修改，比如href、img等。
这是我目前的一个简化版本：
with open(fileName, "r") as inFile:
inputS = inFile.read()
myTree = fromstring(inputS) #parse etree from HTML content
breadCrumb = myTree.get_element_by_id("breadcrumb") #a list of elements with matching id
breadCrumbContent = breadCrumb[0].text_content().strip() #text content of bread crumb
h1 = myTree.xpath('//h1') #another way, get elements by xpath
h1Content = h1[0].text_content().strip() #get text content
getTail = myTree.cssselect('table.results > tr > td > a + span + br') #get list of elements using css select
所以基本上这就是我现在所知道的。有没有其他方法可以使用lxml获取元素或属性？我知道这些可能不是最好的方法，但请多包涵，我对这一切还是很陌生。
接下来是我想要做的事情。我有：
<img src="images/macmail10.gif" alt="" width="555" height="485" /><br />
<a href="http://www.some_url.com/faq/general_faq.html" target="_blank">General FAQs page</a>
这些元素可以嵌套在其他元素里面，比如div、p等等。我想要做的是程序化地查找这些元素；对于图片，我想提取src，对它进行一些处理，然后把src改成其他的（比如把src="images/something.jpg"改成src="something_images.jpg"），对于href也是一样，我想把它改成指向其他地方。
除此之外，我还想从树结构中移除一些元素，以简化它，比如：
<head>
<title>something goes here</title>
</head>
<div>
<p id="some_p"> Some content </p>
</div>
我想移除头节点和div，这样我就能通过id="some_p"获取到p元素。有没有办法获取到父元素？有没有办法移除这些元素？（在这种情况下，查找head，移除head，然后查找id="some_p"，获取parent并删除它。）
谢谢！
==================================================
更新：我已经找到了解决方案，并且已经完成了使用lxml.etree的编码。等StackOverflow允许我时，我会尽快发布答案。我真心希望这个问题的答案能帮助到其他人，特别是在处理HTML解析时！
1 个回答
lxml 和 ElementTree 其实挺像的。lxml 的文档中关于 ElementTree 的部分，基本上就是指向 ElementTree 的文档。
你可以试着看看这个 ElementTree 的教程和示例，它在概述页面的底部。因为 ElementTree 是 Python 自带的，所以相关的资料很多，网上也容易找到。一旦你掌握了这些内容，如果需要的话，可以再学习一些 lxml 的高级用法，这些在 ElementTree 中是没有的。例如，lxml 会为每个元素维护父子关系，而 ElementTree 则没有。虽然你可以给 ElementTree 添加父子关系，但这并不是一个简单的入门例子。
这就是我学习的方式。