"在lxml中，如何删除一个标签但保留所有内容？"

Question

问题是：我有一个XML片段如下：

<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>

为了得到结果，我想删除所有的<a>-和<c>-标记，但是保留它们的（文本）内容和子节点。此外，应该保持<b>元素不变。结果应该是这样的

<fragment>text1 inner<d>1</d> text2 <b>inner2</b> text3</fragment>

目前，我将返回到一个非常肮脏的技巧：我将etree.tostring片段，通过regex删除有问题的标记，并将原始片段替换为此的etree.fromstring结果（不是真正的代码，但应该这样做）：

from lxml import etree
fragment = etree.fromstring("<fragment>text1 <a>inner1 </a>text2 <b>inner2</b> <c>t</c>ext3</fragment>")
fstring = etree.tostring(fragment)
fstring = fstring.replace("<a>","")
fstring = fstring.replace("</a>","")
fstring = fstring.replace("<c>","")
fstring = fstring.replace("</c>","")
fragment = etree.fromstring(fstring)

我知道我可能可以使用xslt来实现这一点，我也知道lxml可以使用xslt，但是必须有一种更为lxml的本地方法？

作为参考：我已经尝试过使用lxml的element.replace来实现这一点，但是由于我想在以前有一个element节点的地方插入文本，所以我认为我不能这样做。

Answer 1

使用lxml的Cleaner函数从html内容中删除标记。 下面是一个做你想做的事情的例子。对于HTML文档，Cleaner是比使用strip_元素更好的解决问题的通用方法，因为在这种情况下，您不仅要去掉标记，还需要去掉其他标记上的onclick=function（）属性。

import lxml
from lxml.html.clean import Cleaner
cleaner = Cleaner()
cleaner.remove_tags = ['p']
remove_tags:

要删除的标记列表。只有标签将被删除，它们的内容将被拉到父标签中。

Answer 2

试试这个：http://lxml.de/api/lxml.etree-module.html#strip_tags

>>> etree.strip_tags(fragment,'a','c')
>>> etree.tostring(fragment)
'<fragment>text1 inner1 text2 <b>inner2</b> text3</fragment>'