问Python缓存html文件

EN

我在本地保存一些html文件，我想从所有不必要的信息中删除它们。这实际上意味着我想要删除所有和标签以及它们各自的内容。

我使用，可以使用以下内容访问页面源代码：

from selenium import webdriver

driver = webdriver.Chrome()
driver.get('http://somesite.com')
html = driver.page_source

我有三个不同的想法：

• 使用jQuery删除不可缺少的标记，然后访问page_source属性在本地缓存它。沿袭的东西： Driver.execute_script(“$(‘style，script’).remove()”“)缓存(driver.page_source)

但是这段代码不能工作，因为我不能在内部破坏页面源代码，因为我需要站点完整，以便与selenium驱动程序实例进行进一步的交互。+使用lxml解析driver.page_source，然后删除所有不需要的信息。在此访问之后，修改后的页源和缓存locall。代码：

    parsed = lxml.html.fromstring(driver.page_source)

    for bad, worse in zip(parsed.xpath('//script'), parsed.xpath('//style')):
      bad.getparent().remove(bad)
      worse.getparent().remove(worse)
    cache(parsed.text)
    # Problem: parsed.text is empty :/ How can I access the modified source? Remember, I don't need no text_content()

• 在webdriver中直接修改和截断源，然后访问page_source属性。但是没有任何方法来改变webdriver实例中的dom。

我想lxml方法是最好的方法，因为无论我如何试图解决这个问题，我都不应该搞乱webdriver实例，因为我需要与它进一步交互。我是不是错过了一些关于lxml的东西？

干杯