LXML:在元素子元素之间获取文本

Question

我有一个结构糟糕的html模板，其中我的<section>元素包含多个元素（p、figure、a等），但中间也有原始文本。我如何访问所有这些文本片段，并在适当的地方编辑它们（我需要的是用标记替换所有$$code$$） section.text和section.tail都返回空字符串。。。在

Answer 1

检查紧靠文本前面的完整标记的.tail。因此，在<section>A<p>B</p>C<p>D</p>E</section>中，两个<p>元素的{}将包含C和E

示例：

from lxml import etree

root = etree.fromstring('<root><section>A<p>B</p>C<p>D</p>E</section></root>')

for section_child in root.find('section'):
    section_child.tail = section_child.tail.lower()

print(etree.tounicode(root))

结果：

^{pr2}$

Answer 2

我从我发布的问题中得到了答案：Parse XML text in between elements within a root element

from lxml import etree


xml = '<a>aaaa1<b>bbbb</b>aaaa2<c>cccc</c>aaaa3</a>'
element = etree.fromstring(xml)
for text in element.xpath('text()'):
    xml = xml.replace(f'>{text}<', f'>{text.upper()}<')

一个值得关注的问题是xml中的CDATA，但我想这不是html的问题。在