如何用Python LXML删除两个指定标签间的所有标签（含起始标签）

需要删除Word文档的document.xml中指定边界标签之间的内容：包含起始<w:p>标签，排除结束<w:p>标签，中间的<w:tbl>等标签也一并删除。

原始XML结构 #

<?xml version='1.0' encoding='UTF-8' standalone='yes'?>
<w:document xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
 <w:body>
        <w:p>
            Bunch of nested tags
        </w:p>
        <w:p>
            Bunch of nested tags to delete
        </w:p>
        <w:p>
            Bunch of nested tags to delete
        </w:p>
        <w:tbl>
            Bunch of nested tags to delete
        </w:tbl>
        <w:p>
            Bunch of nested tags
        </w:p>
 </w:body>
</document>

期望输出 #

<?xml version='1.0' encoding='UTF-8' standalone='yes'?>
<w:document xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
 <w:body>
        <w:p>
            Bunch of nested tags
        </w:p>
        <w:p>
            Bunch of nested tags
        </w:p>
 </w:body>
</document>

已获取的节点信息 #

• 边界标签：

  startTag = parentBoundaryTags[3]
  endTag = parentBoundaryTags[4]
  

  对应节点实例：

  <Element p at 0x12cf32ccfa0>
  <Element p at 0x12cf32ccff0>
  

• 共同父节点：

  common_ancestor = startTag.getparent()
  

  对应节点：<Element body at 0x12cf32cccd0>

尝试的代码（未生效） #

# Flag to indicate whether to start removing elements
start_removal = False

# List to store elements to be removed
elements_to_remove = []

# Iterate over the children of the common ancestor
for child in common_ancestor.getchildren():
    if child == startTag:
        start_removal = True
        elements_to_remove.append(child)
    elif child == endTag:
        start_removal = False
        break
    elif start_removal:
        elements_to_remove.append(child)

# Remove the collected elements
for element in elements_to_remove:
    common_ancestor.remove(element)

# Write the modified XML tree back to the document.xml file
tree.write(document_xml, encoding='utf-8', xml_declaration=True)

代码未生效核心原因是节点匹配逻辑不严谨，以及遍历子节点的方式存在兼容性问题，以下是修复后的实现：

修正后的代码 #

# 将父节点的子节点转为列表，避免遍历过程中修改结构引发异常
children = list(common_ancestor)

start_removal = False
elements_to_remove = []

for child in children:
    # 用is判断对象引用，确保匹配的是目标节点实例
    if child is startTag:
        start_removal = True
        elements_to_remove.append(child)
    elif child is endTag:
        start_removal = False
        break  # 遇到结束标签停止收集，不删除该标签
    elif start_removal:
        elements_to_remove.append(child)

# 批量删除目标节点
for elem in elements_to_remove:
    common_ancestor.remove(elem)

# 写回文件时保持XML声明与原始一致
tree.write(document_xml, encoding='utf-8', xml_declaration=True, standalone=True)

关键修复说明 #

1. 节点匹配优化：用is替代==判断节点。XML元素对象的==比较可能受标签属性、子节点影响，而is直接对比内存地址，确保匹配的是你获取到的边界节点实例。
2. 遍历方式调整：废弃getchildren()（新版lxml已移除该方法），改用list(common_ancestor)获取子节点列表，避免遍历过程中修改父节点子节点集合导致的遍历异常。
3. 输出参数补全：添加standalone=True参数，保证生成的XML声明和原始文档一致，避免格式差异。

需额外确认：startTag确实在endTag之前，且两者都是common_ancestor的直接子节点，否则逻辑无法正常触发。

内容的提问来源于stack exchange，提问作者ovi