how - python beautifulsoup findall

¿Equivalente del método renderContents() de Beautiful Soup en lxml?

Question

¿Hay un equivalente del método tag.renderContents() de Beautiful Soup en lxml?

He intentado usar element.text , pero eso no representa etiquetas secundarias, así como ''''.join(etree.tostring(child) for child in element) , pero eso no representa texto hijo. Lo más cerca que he podido encontrar es etree.tostring(element) , pero eso representa las etiquetas de apertura y cierre del element , que no quiero.

¿Hay otro método que estoy pasando por alto (o un enfoque alternativo para lograr esto)?

Answer 1

Estás todo el camino hasta allí con tu idea original. element.text te proporciona el primer elemento secundario de texto del elemento y tu comprensión de lista te proporciona todo lo demás. Si concatena las dos cadenas juntas, obtendrá lo que está buscando:

>>> xmlstr = "<sec>header <p>para 0</p> text <p>para 1</p> footer</sec>"
>>> element = etree.fromstring(xmlstr)
>>>
>>> element.text + "".join(map (etree.tostring, element))
''header <p>para 0</p> text <p>para 1</p> footer''
>>>

Ari.

Answer 2

Una solución hackish:

from lxml import etree
def render_contents(element):
    """
    Surely there is a safe lxml built-in for this...
    """
    tagname = element.tag
    return re.sub(''</%s>/s*$'' % tagname, '''',
                  re.sub(r''^<%s(/s+/w+=".*?")*?>'' % tagname,
                         '''', etree.tostring(element))).strip()

Editar

Realmente, no hay mejor método que esto?