如何使用 lxml 访问评论

Question

我正在尝试从使用 lxml 获得的元素列表中删除 cmets

我能做的最好的是：

no_comments=[element for element in element_list if 'HtmlComment' not in str(type(each))]

不知道有没有更直接的方法？

我将根据 Matthew 的回答添加一些内容 - 他让我几乎到了那里，问题是当元素从树中取出时，cmets 失去了一些身份（我不知道如何描述它）所以它使用isinstance()方法无法判断是否为HtmlComment类对象

但是，当元素在树上迭代时可以使用该方法

from lxml.html import HtmlComment
no_comments=[element for element in root.iter() if not isinstance(element,HtmlComment)

对于像我这样的新手来说，root 是包含树中所有其他元素的基本 html 元素，有很多方法可以获取它。一种是打开文件并遍历它，而不是上面的root.iter()

html.fromstring(open(r'c:\temp\testlxml.htm').read()).iter()

Answer 1

你可以剪掉字符串：

from lxml.html import HtmlComment # or similar
no_comments=[element for element in element_list if not isinstance(element, HtmlComment)]