防止lxml触及<script>标记</script>中的数据

Question

我正在尝试编写一个修改＆lt; script＆gt;的内容的python脚本我正在解析的文件中的标记。由于它的速度，我正在使用lxml.html（而不是BeautifulSoup等）。脚本标记的内容包含在注释标记（＆lt;！ - 和 - ＆gt;）中：

<script>
<!--
...
-->
</script>

问题是当我尝试像scriptNode.text = '<!-- ...这样的东西时，当我将html写回文件时，lxml将尖括号修改为其html表示（＆amp; lt;和＆amp; gt;）。我尝试在字符串中转义它们（'\＆lt; ...'），但这似乎没有帮助。

查看大多数现代网站，看起来不需要那些评论标签。我可以删除它们，但是许多脚本也在其中使用了一些html，如果那些也被修改为HTML表示，那就是一个问题。

我很惊讶lxml正在修改这些数据，最后我听说HTML解析器旨在避免修改/解释＆lt; script＆gt;中的数据。标签

我可以使用设置/命令来防止这种情况发生吗？

由于

Answer 1

将它们放入CDATA section。

Answer 2

我刚刚发现的替代解决方案似乎也可以使用tostring（）而不是write（）：

main = open('file.html', 'w')
main.write(lxml.html.tostring(htmlTree))
main.close()

而不是

htmlTree.write('file.html', pretty_print=False)

想想我也会在这里发布它，即使我决定使用CDATA，因为它似乎是一个更清晰的解决方案，可以防止将来使用其他解析脚本出现问题。