从XML文件中删除所有注释的Python脚本

我正在尝试构建一个python脚本，它将接收XML文档并从中删除所有注释块

我尝试了以下几点：

tree = ElementTree()
tree.parse(file)
commentElements = tree.findall('//comment()')

for element in commentElements:
    element.parentNode.remove(element)

这样做会从python中产生一个奇怪的错误：“KeyError:'（）”

我知道有一些方法可以使用其他方法（如sed）轻松编辑文件，但我必须在python脚本中进行编辑。

comment（）

是ElementTree不支持的XPath节点测试

您可以将

comment（）

与一起使用。此库非常类似于ElementTree，并且完全支持XPath 1.0

以下是使用lxml删除注释的方法：

从lxml导入etree
XML=”“”
文本1
文本2
"""
tree=etree.fromstring（XML）
comments=tree.xpath（“//comment（）”）
对于评论中的c：
p=c.getparent（）
p、 删除（c）
打印etree.tostring（树）

输出：

<root>
  <x>TEXT 1</x>
  <y>TEXT 2 </y>
</root>

<root>
<!-- COMMENT 1 -->
<x>TEXT 1</x>
<y>TEXT 2 <!-- COMMENT 2 --></y>
</root>
<root>

<x>TEXT 1</x>
<y>TEXT 2 </y>
</root>

文本1
文本2

这是我使用minidom实现的解决方案：

 def removeCommentNodes(self):
        for tag in self.dom.getElementsByTagName("*"):
            for n in tag.childNodes:
                if n.nodeType is dom.Node.COMMENT_NODE:
                    n.parentNode.removeChild(n)

实际上，我首先检索xml中的所有标记，然后针对每个标记查找注释节点，如果找到，我将删除它们。（self.dom是对已解析xml的引用）

使用lxml.etree中的strip_tags（）

from lxml import etree
XML = """<root>
  <!-- COMMENT 1 -->
  <x>TEXT 1</x>
  <y>TEXT 2 <!-- COMMENT 2 --></y>
  </root>"""

tree = etree.fromstring(XML)
print etree.tostring(tree)
etree.strip_tags(tree,etree.Comment)
print etree.tostring(tree)

从lxml导入etree
XML=”“”
文本1
文本2
"""
tree=etree.fromstring（XML）
打印etree.tostring（树）
etree.strip_标记（树，etree.Comment）
打印etree.tostring（树）

输出：

<root>
  <x>TEXT 1</x>
  <y>TEXT 2 </y>
</root>

<root>
<!-- COMMENT 1 -->
<x>TEXT 1</x>
<y>TEXT 2 <!-- COMMENT 2 --></y>
</root>
<root>

<x>TEXT 1</x>
<y>TEXT 2 </y>
</root>

文本1
文本2
文本1
文本2

与相同

---

您可以添加一个小示例XML文档吗？

“//comment（）”

似乎不是有效的搜索路径格式，并且正在导致KeyError。您可以包含该XML示例并扩展您试图捕获的模式吗？

comment（）

是ElementTree不支持的XPath节点测试。Try完全支持XPath 1.0。lxml还实现了etree接口，AFAIK

remove_comments=True

工作正常，但链接答案中没有使用它。那么，为什么说它“相同”？