Question

让我们通过例子解释我的问题：

from bs4 import BeautifulSoup                                                                                                                                                                                                    

txt = """                                                                                                                                                                                                                        
<html>                                                                                                                                                                                                                           
<body>                                                                                                                                                                                                                           
<ul>
    <li> 1
    <li> 2
</ul>
</body>
"""

soup = BeautifulSoup(txt)

print(soup.prettify())

此脚本的输出：

<html>
 <body>
  <ul>
   <li>
    1
    <li>
     2
    </li>
   </li>
  </ul>
 </body>
</html>

正如您在输入中看到的那样，html li标签未被关闭。 BeautifulSoup以某种方式修复它。但是可以配置BeautifulSoup以在输出中获得此结果吗？

<html>
 <body>
  <ul>
   <li>
    1
   </li>
   <li>
     2
   </li>
  </ul>
 </body>
</html>

Answer 1

＆＃39;修复＆＃39;由用于将HTML加载到BeautifulSoup对象树中的解析器应用。

您可以换出不同的解析器;破坏的HTML由不同的解析器以不同的方式修复。你必须install additional packages;默认情况下，只有html.parser选项可用。

我在这里使用html5lib解析器，它将以与浏览器相同的方式解释非标准HTML，或者您可以尝试使用lxml解析器：

>>> print BeautifulSoup(txt, 'html5lib').prettify()
<html>
 <head>
 </head>
 <body>
  <ul>
   <li>
    1
   </li>
   <li>
    2
   </li>
  </ul>
 </body>
</html>
>>> print BeautifulSoup(txt, 'lxml').prettify()
<html>
 <body>
  <ul>
   <li>
    1
   </li>
   <li>
    2
   </li>
  </ul>
 </body>
</html>

如您所见，这两者都会产生所需的输出。

它只是展示此问题的默认解析器：

>>> print BeautifulSoup(txt, 'html.parser').prettify()
<html>
 <body>
  <ul>
   <li>
    1
    <li>
     2
    </li>
   </li>
  </ul>
 </body>
</html>

beautifulsoup配置autoclosing标签

1 个答案: