我对美食汤有意见.每当我解析一个HTML输入时，它都会关闭没有关闭的HTML标记(例如，<input>，或者没有错误关闭的标记).
例如:
from bs4 import BeautifulSoup
tags = BeautifulSoup('<span id="100" class="test">', "html.parser")
print(str(tags))
打印:
<span id="100" class="test"></span>
在这里，我的主要目标是在解析后保留HTML输入的原始形状.
我发现使用"XML" parser而不是"html.parser"是可能的，但我希望为"html.parser"解决这个问题.
您可以对html.parser处理HTML的方式进行poke through bs4 internals和修改(这适用于我的bs4==4.12.2版):
from bs4 import BeautifulSoup
from bs4.builder import builder_registry
from bs4.formatter import HTMLFormatter
class UnsortedAttributes(HTMLFormatter):
def __init__(self):
super().__init__(
void_element_close_prefix=""
) # <-- use void_element_close_prefix="" here
def attributes(self, tag):
yield from tag.attrs.items()
html_text = """\
<closed_tag>
<my_tag id="xxx">
<my_other_tag id="zzz">
</closed_tag>"""
builder_registry.lookup("html.parser").empty_element_tags = {"my_tag", "my_other_tag"}
soup = BeautifulSoup(html_text, "html.parser")
print(soup.encode(formatter=UnsortedAttributes()).decode())
打印:
<closed_tag>
<my_tag id="xxx">
<my_other_tag id="zzz">
</closed_tag>