如何用Python的lxml从HtmlElement重建原始起始标签

不用正则或tostring后截取，直接利用HtmlElement的内置属性就能高效构建起始标签：

• 核心思路：通过元素的tag属性获取标签名，遍历attrib字典处理属性键值对，最后拼接成标准起始标签字符串。

实现代码 #

from lxml import html

def get_element_start_tag(element):
    # 获取标签名
    tag_name = element.tag
    # 处理属性，转义双引号避免格式错误
    attr_strings = []
    for attr_key, attr_val in element.attrib.items():
        escaped_value = attr_val.replace('"', '"')
        attr_strings.append(f'{attr_key}="{escaped_value}"')
    # 拼接成最终起始标签
    if attr_strings:
        return f'<{tag_name} {" ".join(attr_strings)}>'
    else:
        return f'<{tag_name}>'

# 测试示例
sample_html = '<p id="2" class="some class">content</p>'
target_element = html.fromstring(sample_html)
print(get_element_start_tag(target_element))
# 输出：<p id="2" class="some class">

优势说明 #

1. 比转字符串后用正则处理更高效，直接操作元素内置属性，无额外字符串解析开销
2. 自动处理属性值中的双引号转义，避免生成格式错误的标签
3. Python 3.7+中，element.attrib会保留原始标签的属性顺序，生成的起始标签和原始结构一致

内容的提问来源于stack exchange，提问作者erobson