删除某个子节点后的子节点

Question

我想删除<hr/>元素（包括<hr/>）下方的元素内的所有节点（包括文本）。例如，这个：<td class="one">    Some text    <a href="page1.html"/>    <br/>    Some more text    <br/>    <a href="page2.html"/>    <hr/>    Bottom text    <br/>    <a href="page3.html"/></td>应该变成：<td class="one">    Some text    <a href="page1.html"/>    <br/>    Some more text    <br/>    <a href="page2.html"/></td>我有这个 XPath 来查找下面的所有元素<hr/>：./node()[ preceding-sibling::hr[not(following-sibling::hr)] ]但我不知道如何删除这些元素。我试图这样做：xp = './node()[ preceding-sibling::hr[not(following-sibling::hr)] ]'els = self.xpath(xp, td_el)for el in els:    el.getparent().remove(el)但它不适用于文本节点。最好的方法是什么？谢谢。

Answer 1

尝试使用以下代码删除节点：

from lxml import etree, html

source = """<td class="one">

    Some text

    <a href="page1.html"/>

    <br/>

    Some more text

    <br/>

    <a href="page2.html"/>

    <hr/>

    Bottom text

    <br/>

    <a href="page3.html"/>

</td>"""

html = html.fromstring(source)

parent = html.xpath('//td')[0]

redundant = html.xpath('//hr/preceding-sibling::*[1]/following-sibling::*')

for node in redundant:

    parent.remove(node)

print(etree.tostring(parent))

输出

<td class="one">

    Some text

    <a href="page1.html"/>

    <br/>

    Some more text

    <br/>

    <a href="page2.html"/>

</td>