似乎当有一个没有将自身标记为自关闭的输入标签时(我认为这在 HTML 4 中是有效的), BeautifulSoup 4 无法正确识别它
例如:
>>> s=BeautifulSoup("<p><input type='hidden' value='abc'><br></p>")
>>> s.find('input')
<input type="hidden" value="abc"><br/></input>
所以我想知道有没有办法解决这个问题
请您参考如下方法:
我不确定 BeautifulSoup,但如果使用 lxml 是一个选项(我推荐),它可以正确解析 input .您也可以设置method='xml' 来渲染自闭节点。所以在你的例子中,它将是:
In [8]: import lxml
In [9]: tree = lxml.html.fromstring("<p><input type='hidden' value='abc'><br></p>")
In [10]: lxml.html.tostring(tree)
Out[10]: '<p><input type="hidden" value="abc"><br></p>'
In [11]: lxml.html.tostring(tree.find('input'), method='xml')
Out[11]: '<input type="hidden" value="abc"/>'
见上,由于lxml解析器不使用正则表达式解析节点,它可以更精确地正确捕获input节点。
然后通过设置 method='xml',您可以以自关闭方式呈现该节点。
