删除 lxml 中的 img 标签

Question

我有这个代码：

from lxml.html import fromstring, tostring

html = "<p><img src='some_pic.jpg' />Here is some text</p>"

doc = fromstring(html)
img = doc.find('.//img')
doc.remove(img)

print tostring(doc)

输出为：<p></p>

为什么删除 img 标签也会删除它后面的文本？也就是说，为什么没有打印出结果：<p>Here is some text</p> 我怎样才能删除该标签而不删除文本？请注意，即使我在 img 上包含显式结束标记，我也会得到相同的结果，即：

html = "<p><img src='some_pic.jpg'></img>Here is some text</p>"

Answer 1

Here is some text 文本是 img 标记的 tail - 它是元素的一部分，并且正在与元素一起被删除。

要保留tail - 将其分配给img 父母的文本：

from lxml.html import fromstring, tostring

html = "<p><img src='some_pic.jpg' />Here is some text</p>"

doc = fromstring(html)
img = doc.find('.//img')
parent = img.getparent()
parent.text = img.tail
doc.remove(img)

print tostring(doc)

打印：

<p>Here is some text</p>