如何使用 lxml 删除 XML 文档根元素之外的注释

Question

我有一些 Python，我正试图从我无法控制的各种 XML 文档中删除所有评论。这应该能够处理任何有效的 XML。到目前为止，这是代码：

tree = lxml.etree.parse(path_to_xml_file)
for c in tree.xpath('//comment()'):
  c.getparent().remove(c)

此代码在这个特定 XML 文件上崩溃：

<!-- This comment can't be removed. -->
<foo>
  <!-- This comment can be removed. -->
</foo>

无法删除第一条评论，因为它没有父元素。 c.getparent() returns None 对该评论。我没有看到关于如何从 XML 树中删除节点的任何其他文档。这个is valid XML。那么我该如何删除这条评论呢？

Answer 1

如果你在用 lxml 解析它之前或之后用新标签包装你的 xml 就可以做到这一点（这不是很漂亮，但也可以）。

假设你要在 lxml:

外面做

comt = """
<!-- This comment can't be removed. -->
<foo>
  <!-- This comment can be removed. -->
</foo>
"""

new_comt = "<super_root>"+comt+"</super_root>"
tree = etree.fromstring(new_comt)

然后从那里继续您的原始代码，在

之后

    print(etree.tostring(tree).decode())

将输出：

    <super_root><foo>
  </foo></super_root>

如果需要，您还可以删除包装标签。

正如我所说，不是很优雅，但可以做到。

Answer 2

要删除所有评论，请使用 XMLParser 和 remove_comments=True。

from lxml import etree

parser = etree.XMLParser(remove_comments=True)
tree = etree.parse("test.xml", parser)

如何使用 lxml 删除 XML 文档根元素之外的注释

How do I remove a comment outside of the root element of an XML document using lxml

python

xml

lxml