使用lxml.html拆分HTML文檔

Question

我有一個包含多個文本章節的HTML文檔，其中H1標籤是章節分隔符。我怎樣才能將這樣的文檔分割成html片段，其中每個片段以對應的「章節」的h1標籤開頭。我雖然對HTML進行了美化，然後逐行迭代內容......但這是一種破解。有沒有更好的解決方案使用lxml？

Answer 1

tree = lxml.html.document_fromstring(htmltext) 
for element in tree.iter(): 
    if element.tag == 'h1': 
    for subelement in element: 
     // do stuff 

這將找到是h1標籤的元素，然後您可以遍歷其所有子元素。你也可以將元素內的所有文本作爲一個字符串，並以這種方式做它的東西。無論你想做什麼。 http://lxml.de/ lxml很棒，我會推薦它。我不得不更新代碼已經使用它，只是保持網站開放，以供參考，每當我有一個問題:)