在使用lxml提取文本时在词边界添加空格

Question

这是来自 lxml.html 文档的一个例子：

>>> from lxml import html
>>> root = html.fragment_fromstring('<p>Hello<br>world!</p>')
>>> html.tostring(root,method='text')
'Helloworld!'

我想问：有没有简单（或者说“正确”）的方法来生成 'Hello world!' 这个字符串呢？

Answer 1

你可以试试这个方法：

from lxml import html
doc = html.document_fromstring('<p>Hello<br>world!</p>')

for br in doc.xpath("*//br"):
    br.tail = " " + br.tail if br.tail else " "

doc.text_content()

这样会输出：

'Hello world!'