Question

我在使用BeautifulSoup4时遇到了问题...（我是一个很棒的Python / BeautifulSoup新手，如果我笨，请原谅我）

为什么以下代码：

from bs4 import BeautifulSoup

soup_ko = BeautifulSoup('<select><option>foo</option><option>bar & baz</option><option>qux</option></select>')
soup_ok = BeautifulSoup('<select><option>foo</option><option>bar and baz</option><option>qux</option></select>')

print soup_ko.find_all('option')
print soup_ok.find_all('option')

产生以下输出：

[<option>foo</option>, <option>bar &amp; baz</option>]
[<option>foo</option>, <option>bar and baz</option>, <option>qux</option>]

我期待同样的结果，我的3个选项的数组......但BeautifulSoup似乎不喜欢文本中的＆符号？如何在不编辑HTML（或通过转换/转换）的情况下摆脱这种情况并获得正确的数组？

感谢，

编辑：看起来像4.2.0错误...我下载了4.2.0和4.2.1版本（来自http://www.crummy.com/software/BeautifulSoup/bs4/download/4.2/beautifulsoup4-4.2.0.tar.gz和http://www.crummy.com/software/BeautifulSoup/bs4/download/4.2/beautifulsoup4-4.2.1.tar.gz），解压缩在我的脚本文件夹中，将我的代码更改为：

import sys
sys.path.insert(0, "beautifulsoup4-" + sys.argv[1])
from bs4 import BeautifulSoup, __version__

print "Beautiful Soup %s" % __version__
soup_ko = BeautifulSoup('<select><option>foo</option><option>bar & baz</option><option>qux</option></select>')
print soup_ko.find_all('option')

得到了结果：

15:24:38 pataluc ~ % python stack.py 4.2.0
Beautiful Soup 4.2.0
[<option>foo</option>, <option>bar &amp; baz</option>]
15:24:41 pataluc ~ % python stack.py 4.2.1
Beautiful Soup 4.2.1
[<option>foo</option>, <option>bar &amp; baz</option>, <option>qux</option>]

所以我想我的问题已经结束了。感谢您的评论谁让我意识到这是一个版本问题。

Answer 1

正如我在编辑的第一篇文章中所说的，它是BeautifulSoup 4.2.0中的一个错误，我下载了4.2.1并且错误消失了。

Answer 2

HTML中使用

&来输入所谓的 HTML实体。例如，<是HTML中的特殊符号，因为它会启动标记，因此您使用<代替。

因此，&本身也是一个特殊符号，您应该使用&作为文字＆符号。你的HTML无效，BeautifulSoup修复了它。

Answer 3

＆之前写的＆是HTML语言的一部分，但是您可以在BeautifulSoup之前使用html.escape，然后在必要时使用html.unesacpe

BeautifulSoup4：文本中的＆符号

3 个答案: