lxml.html方法,用lxml编辑html代码

假设我有html代码。它被破坏了(它是从另一个程序给出的)。我必须找到其中的所有图像，并将src属性更改为一些代码。仅此而已，它应该在决赛中被打破。在

这是我的代码：# -*- coding: utf-8 -*-

from lxml import etree

from StringIO import StringIO

def test(text):

text = analyze_dir_template_imgs(text)

return text

def analyze_dir_template_imgs(text):

ts = [

{

'name':'img',

'path':"//img[@src]",

'attrib': 'src',

},

]

parser = etree.HTMLParser()

for t in ts:

tree = etree.parse(StringIO(text), parser)

path = t['path']

name = t['name']

attrib = t.get('attrib', False)

text = str_repr(tree.getroot())

#text_to_file(text, 'temp/template_dir.html', 0, 'wb')

links = tree.xpath(path)

i = 0

for l in links:

i+=1

#print

#print l

y0 = l.attrib[attrib]

print y0

x0 = str_repr(l)

if name=='img':

repl_to = '[image]'

x0_new = x0.replace(y0, repl_to)

text = text.replace(x0, x0_new)

print text

return text

def str_repr(el, enc='utf-8'):

text = etree.tostring(el, pretty_print=True, method='xml', encoding=enc)

return text

if __name__ == "__main__":

text = u'''

[name]

[[body]]

more...

'''

test(text)

但问题是在这个过程中lxml会更正html代码。我的意思是结果是

^{pr2}$

但我的结果应该从[name]

因为它是初始代码的开始。在

因为这是我的另一个错误的代码集，这是因为我的新代码只会更改。在

另一个问题是y0 = l.attrib[attrib]给出了/[[template]]/image.jpg，但是x0 = str_repr(l)给出了{}-正如你看到的那样，[被改成了/%5B，但我想得到的这一部分与原始html代码中的一样。在

如何正确使用lxml解决这个问题？谢谢。在