Аналог innerHTML для lxml

#html #python #lxml

Как получить всё содержимое внутри HTML-тега в lxml, но без самого тега?
    

Ответы

Ответ 1

Встроенного метода вроде бы нет, но нетрудно написать свой.

Проблема в том, что простой текст в lxml не является самостоятельным элементом (в
отличие от Text Node в браузерах), поэтому нужно не забыть добавить text в начале.

from html import escape  # Доступно с Python 3.2
import lxml.html

def inner_html(elem):
    # Текст в самом начале внутри тега
    # (не забываем про экранирование!)
    result = [escape(elem.text or '')]

    # Все элементы-потомки
    for child in elem.iterchildren():
        result.append(lxml.html.tostring(child, encoding='unicode'))
    # Текст в конце тега принадлежит последнему элементу-потомку (tail)
    # и добавится автоматически

    # Собираем результат в одну строку
    return ''.join(result)




# В примере подставим <br> чтобы проверить экранирование
>>> node = lxml.html.fragment_fromstring(
    '
Тек<br>ст1
Тек<br>ст2
Текст3
Текст4
'
)

>>> lxml.html.tostring(node, encoding='unicode')
'
Тек<br>ст1
Тек<br>ст2
Текст3
Текст4
'

>>> inner_html(node)
'Тек<br>ст1
Тек<br>ст2
Текст3
Текст4'