Python在cssselect和text_content（）后保留lxml.html中的换行符

Question

在python中，如何在使用lxml.html时保留段落（即保留换行符）？

例如，下面将剥离<p> </P >标签，并加入线，这是不是我想要的：

body = doc.cssselect("div.body")[0] 
content = body.text_content() 

这是我已经试过了不起作用：

• lxml.html.clean.clean_html：
  • 将不保留换行。
• content.replace（ “ ”* 3，“ \ n \ n”）：
  • 没有一致地工作，因为 结合的文本不具有相同的 数量的空格。

Answer 1

的LXML TEXT_CONTENT是做什么的应该根据文档，它被剥离html标签，留下后面的文字。

您可以在输出内容前添加自己的换行符来解决这个问题。

body = doc.cssselect("div.body")[0] 
for para in body.xpath("*//p"): 
    para.text = "\n%s\n" % para.text 
content = body.text_content() 
print content