як видалити елемент у

Мені потрібно повністю видалити елементи на основі вмісту атрибута, використовуючи lxml python. Приклад:

import lxml.etree as et

xml="""
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>
"""

tree=et.fromstring(xml)

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
  #remove this element from the tree

print et.tostring(tree, pretty_print=True)

Я хотів би це надрукувати:

<groceries>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>

Чи є спосіб зробити це, не зберігаючи тимчасову змінну та не друкуючи на ній вручну, як:

newxml="<groceries>\n"
for elt in tree.xpath('//fruit[@state=\'fresh\']'):
  newxml+=et.tostring(elt)

newxml+="</groceries>"

Використовуйте removeметод xmlElement:

tree=et.fromstring(xml)

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
  bad.getparent().remove(bad)     # here I grab the parent of the element to call the remove directly on it

print et.tostring(tree, pretty_print=True, xml_declaration=True)

Якби мені довелося порівнювати з версією @Acorn, моя буде працювати, навіть якщо елементи для видалення не знаходяться безпосередньо під кореневим вузлом вашого xml.

Ви шукаєте removeфункцію. Викличте метод видалення дерева та передайте йому підлемент для видалення.

import lxml.etree as et

xml="""
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <punnet>
    <fruit state="rotten">strawberry</fruit>
    <fruit state="fresh">blueberry</fruit>
  </punnet>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>
"""

tree=et.fromstring(xml)

for bad in tree.xpath("//fruit[@state='rotten']"):
    bad.getparent().remove(bad)

print et.tostring(tree, pretty_print=True)

Результат:

<groceries>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>

Я зустрів одну ситуацію:

<div>
    <script>
        some code
    </script>
    text here
</div>

div.remove(script)видалить ту text hereчастину, яку я не мав на увазі.

слідуючи відповіді тут , я виявив, що etree.strip_elementsдля мене є кращим рішенням, яким ви можете контролювати, чи будете ви видаляти текст ззаду за допомогою with_tail=(bool)param.

Але все одно я не знаю, чи може це використовувати фільтр xpath для тегу. Просто поставте це для інформування.

Ось документ:

strip_elements (дерево_або_елемент, * теги_назви, with_tail = True)

Видаліть усі елементи з наданими назвами тегів з дерева або піддерева. Це призведе до видалення елементів та всього їх піддерева, включаючи всі їх атрибути, зміст тексту та нащадків. Він також видалить хвіст тексту елемента, якщо ви явно не встановите для with_tailпараметра аргументу ключового слова значення False.

Назви тегів можуть містити символи підстановки, як у _Element.iter.

Зауважте, що це не призведе до видалення елемента (або кореневого елементу ElementTree), який ви передали, навіть якщо він збігається. Це буде лікувати лише своїх нащадків. Якщо ви хочете включити кореневий елемент, перевірте його ім'я безпосередньо перед тим, як навіть викликати цю функцію.

Приклад використання ::

   strip_elements(some_element,
       'simpletagname',             # non-namespaced tag
       '{http://some/ns}tagname',   # namespaced tag
       '{http://some/other/ns}*'    # any tag from a namespace
       lxml.etree.Comment           # comments
       )

Як уже зазначалося, ви можете використовувати remove()метод для видалення (під) елементів з дерева:

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
  bad.getparent().remove(bad)

Але він видаляє елемент, включаючи його tail, що є проблемою, якщо ви обробляєте змішані документи, такі як HTML:

<div><fruit state="rotten">avocado</fruit> Hello!</div>

Стає

<div></div>

Що, я гадаю, те, що ви не завжди хочете :) Я створив допоміжну функцію, щоб видалити лише елемент і зберегти його хвіст:

def remove_element(el):
    parent = el.getparent()
    if el.tail.strip():
        prev = el.getprevious()
        if prev:
            prev.tail = (prev.tail or '') + el.tail
        else:
            parent.text = (parent.text or '') + el.tail
    parent.remove(el)

for bad in tree.xpath("//fruit[@state=\'rotten\']"):
    remove_element(bad)

Таким чином він збереже текст хвоста:

<div> Hello!</div>

Ви також можете використовувати html з lxml, щоб вирішити це:

from lxml import html

xml="""
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>
"""

tree = html.fromstring(xml)

print("//BEFORE")
print(html.tostring(tree, pretty_print=True).decode("utf-8"))

for i in tree.xpath("//fruit[@state='rotten']"):
    i.drop_tree()

print("//AFTER")
print(html.tostring(tree, pretty_print=True).decode("utf-8"))

Це повинно вивести це:

//BEFORE
<groceries>
  <fruit state="rotten">apple</fruit>
  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>
  <fruit state="rotten">mango</fruit>
  <fruit state="fresh">peach</fruit>
</groceries>


//AFTER
<groceries>

  <fruit state="fresh">pear</fruit>
  <fruit state="fresh">starfruit</fruit>

  <fruit state="fresh">peach</fruit>
</groceries>