Pythonのlxmlでインラインタグを取り除く

Question

xml文書では2種類のインラインタグを扱わなければならない。最初のタイプのタグは、その間に置いておきたいテキストを囲みます。私はlxmlのでこれを扱うことができます

etree.tostring(element, method="text", encoding='utf-8') 

タグの2番目のタイプは、私が保持したくないテキストが含まれています。これらのタグとそのテキストを削除するにはどうすればよいですか？可能であれば、正規表現を使用しないことをお勧めします。私はstrip_tagsとstrip_elementsはあなたがそれぞれの場合に何をしたいと思います

おかげ

Answer 1

。たとえば、このスクリプト：

from lxml import etree 

text = "<x>hello, <z>keep me</z> and <y>ignore me</y>, and here's some <y>more</y> text</x>" 

tree = etree.fromstring(text) 

print etree.tostring(tree, pretty_print=True) 

# Remove the <z> tags, but keep their contents: 
etree.strip_tags(tree, 'z') 

print '-' * 72 
print etree.tostring(tree, pretty_print=True) 

# Remove all the <y> tags including their contents: 
etree.strip_elements(tree, 'y', with_tail=False) 

print '-' * 72 
print etree.tostring(tree, pretty_print=True) 

...次の出力を生成します。

<x>hello, <z>keep me</z> and <y>ignore me</y>, and 
here's some <y>more</y> text</x> 

------------------------------------------------------------------------ 
<x>hello, keep me and <y>ignore me</y>, and 
here's some <y>more</y> text</x> 

------------------------------------------------------------------------ 
<x>hello, keep me and , and 
here's some text</x>