我有一个用 lxml 的 Cleaner 清理过的字符串，所以所有链接现在都采用 Content 形式。现在我想去掉所有没有 href 属性的链接，例如
<a rel="nofollow">Link to be removed</a>
应该成为
Link to be removed
相同的：
<a>Other link to be removed</a>
应该变成：
Other link to be removed
只是所有缺少 href 属性的链接。它不必是正则表达式，但由于 lxml 返回一个干净的标记结构，它应该是可能的。我需要的是一个去掉了这种非功能性 a 标签的源字符串。
您可以使用BeautifulSoup，这将更容易找到<a>没有标签的标签href：
>>> from bs4 import BeautifulSoup as BS
>>> html = """
... <a rel="nofollow">Link to be removed</a>
... <a href="alink">This should not be included</a>
... <a>Other link to be removed</a>
... """
>>> soup = BS(html)
>>> for i in soup.find_all('a', href=False):
... i.replace_with(i.text)
...
>>> print soup
<html><body>Link to be removed
<a href="alink">This should not be included</a>
Other link to be removed</body></html>
使用drop_tag方法。
import lxml.html
root = lxml.html.fromstring('<div>Test <a rel="nofollow">Link to be <b>removed</b></a>. <a href="#">link</a>')
for a in root.xpath('a[not(@href)]'):
a.drop_tag()
assert lxml.html.tostring(root) == '<div>Test Link to be <b>removed</b>. <a href="#">link</a></div>'
.drop_tag()：删除标签，但保留其子标签和文本。