Skip to main content
 首页 » 编程设计

python之无论如何让 BeatifulSoup 4 正确识别 html 4 未标记的自关闭标签

2025年05月04日9emanlee

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。