Python 使用lxml清除html，但添加空格

我用这个答案来清理一个HTML文件

它在删除所有html、脚本和样式标记方面做得很好，但是如果文本中没有空间，则清洁器不会添加空间。这对于菜单这样没有空格的东西来说是个问题，所以它是一个单词，因为它们一起运行

---

关于如何防止这种情况，增加空间，或其他什么的想法？谢谢

这可能对未来的任何人都有帮助，也可能没有帮助，但这对我来说很有用

from lxml import html as HTML
from lxml.html.clean import clean_html
from lxml.html.clean import Cleaner
import re

html = "<div>Test</div><div>Test 2</div>"
spaced_html = re.sub("</", " </", html)
doc = HTML.document_fromstring(spaced_html)
cleaner = Cleaner()
cleaner.javascript = True 
cleaner.style = True
doc = cleaner.clean_html(doc)
text = doc.text_content()
text = re.sub(' +',' ',text)

从lxml将html导入为html
从lxml.html.clean导入clean_html
从lxml.html.clean导入清理器
进口稀土
html=“test2”
一种相对简洁的方法是

import lxml.html
from lxml import etree

html = "<div>Test</div><div>Test 2</div>"
document = lxml.html.document_fromstring(html)
text = " ".join(etree.XPath("//text()")(document))

import lxml.html
从lxml导入etree
html=“test2”
document=lxml.html.document\u fromstring（html）
text=”“.join（etree.XPath（“//text（）”）（文档））

（另请参见）
如果您想解决相同的问题，但使用
bs4
并删除
lxml
：

from bs4 import BeautifulSoup

html = "<div>Test</div><div>Test 2</div>"
soup = BeautifulSoup(html)
text = soup.getText(separator=u' ')

从bs4导入美化组
html=“test2”
soup=BeautifulSoup（html）
text=soup.getText（分隔符=u“”）
这是否回答了您的问题？