Как восстановить исходный тег
Работа с lxml и Python. Учитывая HtmlElement, я хотел бы восстановить исходный открывающий тег, используемый для его определения с помощью атрибутов. Например, если у меня есть HtmlElement, представляющий <p id = "2" class = "some class">content</p>, мне нужна только строка <p id = "2" class = "some class">. Я знаю, что все это можно превратить в строку и обработать регулярным выражением, но я хотел бы посмотреть, есть ли лучший способ использовать встроенные функции HtmlElement.
Пробовал разные атрибуты и методы класса, но не повезло. Не смог разобраться в документах. Не уверен, как lxml.html.tostring восстанавливает исходный тег, но не смог понять, глядя на код. Я знаю, что могу вызвать эту функцию tostring, а затем использовать регулярное выражение для получения первого тега, но я бы хотел, чтобы это было проще/быстрее.
Написание синтаксического анализатора, который иногда должен восстанавливать строки HTML после применения преобразований. Теги должны быть реконструированы, чтобы эта операция работала.
Ответы 1
from xml.etree.ElementTree import Element
def opening_tag(e):
return "<" + " ".join((e.tag, *(f'{k} = "{v}"' for k, v in e.attrib.items()))) + ">"
el = Element("p", attrib = {"id": "2", "class": "some class"})
print(opening_tag(el))
# <p id = "2" class = "some class">
Спасибо за решение! Возникает ли при этом какие-либо проблемы, если один из атрибутов не имеет значения? Или они рассматриваются как эквивалентные в html?
@erobson Это одно из различий между XML и HTML: XML требует, чтобы атрибуты имели значения, но в HTML5 логические атрибуты могут отображаться без значения. Например. <button selected> то же самое <button selected = ""> в HTML5. Значение игнорируется, важно только наличие атрибута. Если у вас есть атрибуты без значений, синтаксический анализатор XML может дать сбой, поэтому в этом случае вы можете использовать библиотеку BeautifulSoup.
OP работает с lxml, который предоставляет парсеры XML и HTML. ElementTree предназначен только для XML.
Итак, вам нужен только начальный тег элемента? Почему?