Python lxml.html dosyasında cssselect ve text_content sonra yeni satırları tutuyor()

Question

Python'da, lxml.html kullanırken paragrafları nasıl koruyabilirim (yani yeni satırları saklayabilirim)?

Örneğin, aşağıdaki <p> </p > etiketleri şerit olacak ve istediğim ne değildir, hangi satırları katılmak:

İşte

body = doc.cssselect("div.body")[0] 
content = body.text_content() 

Ben çalışmadığını çalıştığım buydu:

• lxml.html.clean.clean_html:
  • yeni satır korumak olmaz.
• content.replace (" "* 3" \ n \ n"): kombine metin alanlarının aynı numarası yok çünkü
  • , sürekli çalışmaz.

Answer 1

Lxml TEXT_CONTENT docs göre, html etiketleri sıyırma ve geride metni bırakıyor gerekiyordu şeyi yapıyor.

İçeriği çıktı almadan önce kendi satırlarınızı ekleyerek bunu düzeltebilirsiniz.

body = doc.cssselect("div.body")[0] 
for para in body.xpath("*//p"): 
    para.text = "\n%s\n" % para.text 
content = body.text_content() 
print content