Python: La inyección de contenido HTML en una etiqueta usando `lxml.html`

Question

estoy usando la biblioteca lxml.html a analizar un documento HTML.

que encuentra una etiqueta específica, que llamo content_tag, y quiero cambiar su contenido (es decir, el texto entre <div> y </div>,) y el nuevo contenido es una cadena con un poco de html en ella, dicen que es 'Hello <b>world!</b>'.

¿Cómo puedo hacer eso? Probé content_tag.text = 'Hello <b>world!</b>' pero luego se escapa todas las etiquetas HTML, reemplazando < con < etc.

quiero para inyectar el texto sin escapar nada de HTML. ¿Cómo puedo hacer eso?

Answer 1

Ésta es una manera:

#!/usr/bin/env python2.6 
from lxml.html import fromstring, tostring 
from lxml.html import builder as E 
fragment = """\ 
<div id="outer"> 
    <div id="inner">This is div.</div> 
</div>""" 

div = fromstring(fragment) 
print tostring(div) 
# <div id="outer"> 
# <div id="inner">This is div.</div> 
# </div> 
div.replace(div.get_element_by_id('inner'), E.DIV('Hello ', E.B('world!'))) 
print tostring(div) 
# <div id="outer"> 
# <div>Hello <b>world!</b></div></div> 

Consulte también: http://lxml.de/lxmlhtml.html#creating-html-with-the-e-factory

Editar: Por lo tanto, debería haber confesado antes de que yo no soy tan familiarizados con lxml. Miré los documentos y la fuente brevemente, pero no encontré una solución limpia. Tal vez, alguien más familiar pasará y nos pondrá a ambos en línea recta.

Mientras tanto, esto parece funcionar, pero no está bien probado:

import lxml.html 
content_tag = lxml.html.fromstring('<div>Goodbye.</div>') 
content_tag.text = '' # assumes only text to start 
for elem in lxml.html.fragments_fromstring('Hello <b>world!</b>'): 
    if type(elem) == str: #but, only the first? 
     content_tag.text += elem 
    else: 
     content_tag.append(elem) 
print lxml.html.tostring(content_tag) 

de nuevo Edit: y esta versión elimina texto y los niños

somehtml = 'Hello <b>world!</b>' 
# purge element contents 
content_tag.text = '' 
for child in content_tag.getchildren(): 
    content_tag.remove(child) 

fragments = lxml.html.fragments_fromstring(somehtml) 
if type(fragments[0]) == str: 
    content_tag.text = fragments.pop(0) 
content_tag.extend(fragments) 

Answer 2

Suponiendo content_tag no lo hace tiene cualquier subelemento, puede hacer:

from lxml import html 
from lxml.html.builder import B 

... 

content_tag.text = 'Hello ' 
content_tag.append(B('world!')) 
print html.tostring(content_tag) 

Answer 3

Después de juguetear alrededor, me encontré con esta solución:

fragments = lxml.html.fragments_fromstring(<string with tags to inject>) 
last = None 

for frag in fragments: 
    if isinstance(frag, lxml.etree._Element): 
    content_tag.append(frag) 
    last = frag 
    else: 
    if last: 
     last.tail = frag 
    else: 
     content_tag.text = frag