为什么lxml中的这个元素包含尾部？

考虑这个Python脚本：为什么lxml中的这个元素包含尾部？

from lxml import etree 

html = ''' 
<html xmlns="http://www.w3.org/1999/xhtml"> 
<head></head> 
    <body> 
    <p>This is some text followed with 2 citations.<span class="footnote">1</span> 
     <span сlass="footnote">2</span>This is some more text.</p> 
    </body> 
</html>''' 

tree = etree.fromstring(html) 

for element in tree.findall(".//{*}span"): 
    if element.get("class") == 'footnote': 
     print(etree.tostring(element, encoding="unicode", pretty_print=True))

所需的输出将是2个span元素，而不是我得到：

<span xmlns="http://www.w3.org/1999/xhtml" class="footnote">1</span> 
<span xmlns="http://www.w3.org/1999/xhtml" class="footnote">2</span>This is some more text.

为什么它包括元素之后的文本直到父结束元件？

我试图使用LXML链接脚注，当我a.insert()的span元素插入a元素我为它创建，它包括之后的文本等连接大量的文字我不想联系的。

来源

2013-11-22 jorbas

指定with_tail=False将删除尾部文本。

print(etree.tostring(element, encoding="unicode", pretty_print=True, with_tail=False))

请参阅lxml.etree.tostring documentation。

来源

2013-11-22 13:35:37 falsetru

它包含元素之后的文本，因为该文本属于该元素。

如果您不希望该文本属于之前的范围，则需要将其包含在其自己的元素中。但是，在将元素转换回XML时，可以避免打印此文本，with_tail=False作为etree.tostring()的参数。

如果您想将其从特定元素中移除，您还可以简单地将元素尾部设置为''。

来源

2013-11-22 13:37:41

我原以为文本会属于包含'span'的'p'元素？文本完全在'span'元素之外。 – jorbas

@BigJord是的，它在外面，这就是为什么它叫**尾巴**。它不能属于P元素，因为它会与第一个文本冲突; “这是一些文字，后面有2个引文。” –

为什么lxml中的这个元素包含尾部？

回答

相关问题