2013-03-11 167 views
1

我使用python和lxml從鏈接負載中獲取div.article的內容。我想要div的實際html標記。但到目前爲止,我只能獲得剝去標記的鏈接的text_content()。使用lxml獲取div的HTML內容

doc = html.fromstring(doc_text) 

article = doc.cssselect("div.article") 

if len(article) > 0: 
    text = article[0].text_content() 

    data = { 
     'product':product, 
     'content': text, 
    } 

任何人都可以幫我獲得文章[0]的標記嗎?

感謝

回答

4

您可以只使用節點的迭代功能,並建立您的字符串的方式。

def innerHTML(node): 
    buildString = '' 
    for child in node: 
     buildString += html.tostring(child) 
    return buildString 
+0

很好,謝謝! – iamjonesy 2013-03-12 09:12:14