在使用 Beautifulsoup 和 HTMl 解析器时,标签被转换为小写。但是我们如何在使用 LXML 解析器的同时实现。在下面的情况下,我无法打印输出。但是如果我使用 html 解析器进行解析。它工作正常。谁能帮帮我?
html_doc = """
<html><HEAD><title>The Dormouse's story</title></HEAD>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc, "xml")
print soup.head
最佳答案
不要使用 XML 解析器来解析 HTML。 HTML 不区分大小写,但 XML 不区分大小写。
你可以用 lxml
解析 HTML 就好了,只需使用 HTML modus:
>>> soup = BeautifulSoup(html_doc, "lxml")
>>> soup.head
<head><title>The Dormouse's story</title></head>
如果您坚持使用 XML 解析器,则必须匹配输入元素的大小写:
>>> soup = BeautifulSoup(html_doc, "xml")
>>> soup.head
>>> soup.HEAD
<HEAD><title>The Dormouse's story</title></HEAD>
如果您想要处理 XML 并且不区分大小写,请坚持使用 lxml
提供的 ElementTree API,并且根本不要使用 BeautifulSoup。然后你必须使用 regular expression XPath search :
regexpNS = "http://exslt.org/regular-expressions"
tree.xpath('//*[re:test(., '^head$', 'i')]', namespaces={'re':regexpNS})
这将找到名称为 head
的所有元素,不区分大小写。
关于python - 我们可以在 Beautifulsoup 中将所有 XML 标签转换为小写吗,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15004950/