Удалить кусок html используя xpath

#html #python #xpath

Задача может быть и простая, но я с таким не сталкивался. Как из html-кода удалить
определенный узел? Используя xpath шаблон. Ниже примерно описал алгоритм. Не знаю только
библиотеку и функцию, которые выполнили бы эту операцию.

import "какая_нибудь_стандартная_библиотека"
html_code = ' и так далее ...'
xpath_parrent = '//title'
result = "функция_удалить"(html_code, xpath_parrent)
теперь узла title больше нету
можно выводить на экран
print title

    

Ответы

Ответ 1

Я бы из стандартного использовал бы регулярки.

Используя модуль lxml, можно так:

from lxml import html

html_code = ''
xpath = '//title'

root = html.fromstring(html_code)
print(html.tostring(root))
# b''

for el in root.xpath(xpath):
    parent = el.getparent()
    parent.remove(el)

print(html.tostring(root))
# b''


Ответ 2

Чистый xpath запрос не получится, потому что функция selectNodes выбирает Nod-ы из
одного уровня xml, и фильтр можно поставить только на весь уровень. Но можно сделать,
например, SelectNodes('/*/*[name(*/.)!="title"]') что выберет "второй" уровень (т.к.
первый "root" т.е. весь документ тег html), при этом будет отброшена вся ветка head,
от этого вы никак не уйдёте, т.к. если выбрать третий уровень - елементы второго уровня
где нету третьего "уйдут" потеряются данные. Пример тут http://stackoverflow.com/questions/36260599/xpath-search-within-xpath-results 



Вариант 2. Можно использовать трансформацию xsl + xpath с рекурсией. Скрипт трансформации
будет примерно такой:








  













Базируется на функции copyif которая клонирует ноды, плюс в if - условие копирование
(c которыи прийдётся помучатся, сравнение полного пути xpath 3.0 поддерживает). Шапку
можно и 1.0, функции "базовые". Запрос большой, зато на питоне будет две-три строчки
- загрузить два xml и сделать transform. это  не самый лучший метод, но может пригодится
как пример обращения с xml.