Python中的DOM操作（如果某个元素只包含一个其他元素……）
我需要去掉那些不必要的 <p> 标签。比如，把 <div><p>xxxx</p></div> 转换成 <div>xxxx</div>。
我该怎么用 DOM 来实现呢？“如果 <div> 里面只有一个 <p>，那么就把那个 <p> 的内容赋值给 <div>，然后把这个 <p> 删除。”
我其实更想用 正则表达式 来做，但有些人说这样不好。我想象不出用 DOM 怎么实现。
text = "<div><p>xxxx</p></div>"
???
用 DOM 真的能解决这个问题吗？还是说老老实实用正则表达式更好呢？
用的是 Python，不是 JavaScript。
4 个回答
-1
在@jterrace的回答基础上：
（请编辑这个问题，让它更完整，或者留言评论）
我觉得可以创建一个 minidom.Document，这样你就可以修改它的xml节点了。
#coding: utf-8
from xml.dom import minidom
text = "<div><p>xxxx</p></div>"
dom = minidom.parseString(text)
for p in dom.getElementsByTagName('p'):
print p.childNodes
# and what now?
6
这里有一种方法可以使用 BeautifulSoup 来实现：
>>> import BeautifulSoup
>>> somehtml = '<html><title>hey</title><body><p>blah</p><div><p>something</p></div></body></html>'
>>> soup = BeautifulSoup.BeautifulSoup(somehtml)
>>> for p in soup.findAll('p'):
... if p.parent.string is None and len(p.parent.contents) == 1:
... p.parent.string = p.string
... p.extract()
>>> soup
<html><title>hey</title><body><p>blah</p><div>something</div></body></html>
这个方法会查找所有的 <p> 元素，这些元素的父元素没有内容，并且只有一个子元素（就是这个 <p> 元素）。然后，它会把 <p> 元素的内容复制到它的父元素中，并删除这个 <p> 元素。
8
这个对我有效：
from xml.dom import minidom
text = "<div><p>xxxx</p></div>"
doc = minidom.parseString(text)
# For each div in the root document
for tag in doc.childNodes:
# If it's a <p> and there's only one
if len(tag.childNodes) == 1 and tag.childNodes[0].tagName == 'p':
# p_node = <p>xxx</p>
p_node = tag.childNodes[0]
# p_text_node = xxx
p_text_node = p_node.childNodes[0]
value = p_node.nodeValue
# Delete the <p>xxx</p>
p_node.parentNode.removeChild(p_node)
# Set the <div></div> -> <div>xxx</div>
tag.appendChild(p_text_node)
print doc.toxml()
结果是：
<?xml version="1.0" ?><div>xxxx</div>
我希望你也能接受我为你另一个问题提供的答案，因为我为你花了很多心思；)