python - 如何从我使用 python 的 lxml etree 和 xpath 选择的节点获取（打印）所有内部 html？

Question

如何从使用 etree xpath 选择的节点中获取所有内部 html：

>>> from lxml import etree
>>> from StringIO import StringIO
>>> doc = '<foo><bar><div>привет привет</div></bar></foo>'
>>> hparser = etree.HTMLParser()
>>> htree = etree.parse(StringIO(doc), hparser)
>>> foo_element = htree.xpath("//foo")

我现在如何将所有 foo_element 的内部 HTML 打印为文本？我需要得到这个：

<bar><div>привет привет</div></bar>

---

顺便说一句，当我尝试使用时，lxml.html.tostring我得到了奇怪的输出：

>>> import lxml.etree
>>> lxml.html.tostring(foo_element[0])
'<foo><bar><div>&#208;&#191;&#209;&#128;&#208;&#184;&#208;&#178;&#208;&#181;&#209;&#130; &#208;&#191;&#209;&#128;&#208;&#178;&#208;&#184;&#208;&#181;&#209;&#130;</div></bar></foo>'

Answer 1

您可以应用与此其他 SO 帖子中所示相同的技术。在这个问题的背景下的例子：

>>> from lxml import etree
>>> from lxml import html
>>> from StringIO import StringIO
>>> doc = '<foo><bar><div>TEST NODE</div></bar></foo>'
>>> hparser = etree.HTMLParser()
>>> htree = etree.parse(StringIO(doc), hparser)
>>> foo_element = htree.xpath("//foo")
>>> print ''.join(html.tostring(e) for e in foo_element[0])
<bar><div>TEST NODE</div></bar>

或者处理元素可能包含文本节点 child 的情况：

>>> doc = '<foo>text node child<bar><div>TEST NODE</div></bar></foo>'
>>> htree = etree.parse(StringIO(doc), hparser)
>>> foo_element = htree.xpath("//foo")
>>> print foo_element[0].text + ''.join(html.tostring(e) for e in foo_element[0])
text node child<bar><div>TEST NODE</div></bar>

强烈建议将代码重构为一个单独的函数，如链接的帖子中所示，用于真实案例。