防止lxml在匹配元素后选择下一个文本节点

Question

我需要在一些 HTML 字符串模板中<div>找到id="XXX"：

from lxml import html

template = '''

Text node 1

<div id="XXX">XXX content</div>

Text node 2

'''

tree = html.fromstring(template)

element = tree.get_element_by_id('XXX')

result = html.tostring(element).decode('utf-8')

print(result)

>>> <div id="XXX">XXX content</div>

>>> Text node 2

由于一些奇怪的原因，它选择<div>和下一步Text node 1

<div id="XXX">XXX content</div>如果我用另一个包裹<div>：

Text node 1

<div>

    <div id="XXX">XXX content</div>

</div>

Text node 2

一切都更好，它打印匹配<div id="XXX">和一个空行（解码\n）：

>>> print(result)

<div id="XXX">XXX content</div>

\n

如果我在<div>之后添加一些<div id="XXX">：

Text node 1

<div id="XXX">XXX content</div>

<div></div>

Text node 2

一切也更好，它打印匹配<div id="XXX">和一个空行（解码\n）：

>>> print(result)

<div id="XXX">XXX content</div>

\n

以前Text node 1从未受到影响 - 至少这很好）

那么，可以指定一些东西不选择下一个文本节点吗？这会很棒，如果\n也不会匹配，但我可以忍受

请告诉我，如果该问题与 XPath 无关lxml，而是与 XPath相关

PSBeautifulSoup没有这个问题，即使使用与lxml解析器相同的模块，它甚至不匹配next\n

版本：

>>> python

Python 3.7.3

>>> pip show lxml

Version: 4.3.4

Answer 1

看起来有时只需要使用蛮力：tree = html.fromstring(template)element = tree.get_element_by_id('XXX')element.tail = None #brute force in action....result = html.tostring(element).decode('utf-8')print(result)输出所需的<div id="XXX">XXX content</div>现在由比我聪明的人来解释为什么我们需要求助于这个......