Python 使用lxml在文本提取中添加单词边界空格

lxml.html

文档中的示例：

>>> from lxml import html
>>> root = html.fragment_fromstring('<p>Hello<br>world!</p>')
>>> html.tostring(root,method='text')
'Helloworld!'

>>从lxml导入html
>>>root=html.fragment\u fromstring（“Hello
world！
”）
>>>tostring（root，method='text'）
“地狱世界！”

---

我的问题是：有没有简单（或“正确”）的方法来制作

“Hello world！”字符串？
您可以尝试以下方法：

from lxml import html
doc = html.document_fromstring('<p>Hello<br>world!</p>')

for br in doc.xpath("*//br"):
    br.tail = " " + br.tail if br.tail else " "

doc.text_content()

在将解析后的HTML转换为字符串之前，我会尝试将

标记替换为
“”
。。。我不知道lxml，所以我不能说你如何实现它…我明白了。。。然而，我正在寻找一种通用的方法。比如，
标签中的文本如何；还有其他标签吗？我想最好的解决方案是告诉
tostring（）
分隔符，就像在
join（）
中那样，告诉它分隔符很小，你可以编写自己的函数，只需简单的替换或一些正则表达式就可以做到这一点。问题是如何决定用分隔符替换什么？由于a
与空格是完全不同的字符，因此应将a视为相同的字符。你可能会认为很明显要替换这个，但这只是你的情况。其他情况有其他要求，没有任何情况是“自然”的，足以实施这种行为。尽管如此，通过xpath、正则表达式和其他字符串操作，这些特定的情况很容易实现。在我的例子中，我只是将
*//br
替换为
//*
，然后将
\s+
替换为
re
的单个空格。谢谢
'Hello world!'