Question

我有大量必须转换为XML的HTML文档。并非所有看起来都完全一样。例如，下面的示例以HTML注释标记结尾，而不是HTML标记。

请注意，此问题与this one相关。

这是我的代码：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<comment>this is an HTML comment</comment>
<comment>this is another HTML comment</comment>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
        ...
        <comment>here is a comment inside the head tag</comment>
</head>
<body>
        ...
        <comment>Comment inside body tag</comment>
<comment>Another comment inside body tag</comment>
<comment>There could be many comments in each file and scattered, not just 1 in the head and three in the body. This is just a sample.</comment>
</body>
</html>
<comment>This comment is the last line of the file</comment>

我希望使用名为<root>的自定义标记包装整个文档。到目前为止，我能做的最好的事情就是<root>周围<html>。

root_tag = bs4.Tag(name="root")
soup.html.wrap(root_tag)

如何定位<root>元素以使其包装整个文档？

Answer 1

有点粗糙，因为这只是包裹<root> </root>

中的任何给定文件

看看它是否适用于您的用例：

def root_wrap(file):
    fin = open(file, 'r+')
    fin.write('<root>')
    for line in fin:
        fin.write(line)
    fin.write('</root>')
    fin.close()

如何在整个HTML文档周围包装自定义<root>元素？</root>

1 个答案: