python - BeautifulSoup 能否保留 CDATA 部分？

Question

我正在使用 BeautifulSoup 读取、修改和写入 XML 文件。我在删除 CDATA 部分时遇到问题。这是一个简化的示例。

罪魁祸首 XML 文件:

<?xml version="1.0" ?>
<foo>
    <bar><![CDATA[
        !@#$%^&*()_+{}|:"<>?,./;'[]\-=
    ]]></bar>
</foo>

这是 Python 脚本。

from bs4 import BeautifulSoup

xmlfile = open("cdata.xml", "r") 
soup = BeautifulSoup( xmlfile, "xml" )
print(soup)

这是输出。请注意，缺少 CDATA 部分标记。

<?xml version="1.0" encoding="utf-8"?>
<foo>
<bar>
        !@#$%^&amp;*()_+{}|:"&lt;&gt;?,./;'[]\-=
    </bar>
</foo>

我还尝试打印 soup.pretify(formatter="xml") 并得到了相同的结果，但空格略有不同。文档中没有太多关于读取 CDATA 部分的内容，所以这可能是 lxml 的事情？

有没有办法告诉 BeautifulSoup 保留 CDATA 部分？

更新 是的，这是一个 lxml 的东西。 http://lxml.de/api.html#cdata那么，问题就变成了，是否可以告诉 BeautifulSoup 使用 strip_cdata=False 初始化 lxml？

Answer 1

以我为例，如果我使用

soup = BeautifulSoup( xmlfile, "lxml-xml" )

然后 cdata 被保存并可访问。