lxml.html忽略body类属性

Question

我正在使用lxml.html来解析html内容。但我不明白为什么lxml正在删除“body”标签属性。 尝试使用lxml.html.parse和lxml.html.document_fromstring建议contains()

但它仍然没有用。

示例html字符串： -

{{1}}

还有其他人也遇到过这个问题吗？

Answer 1

可能为时已晚，无法提供帮助，但我遇到了与同一底层解析器类似的问题（lxml使用libxml2，我直接使用它）。我认为问题是＆lt; iframe＆gt; s不能出现在＆lt; head＆gt;中该文件。当libxml2在那里看到一个时，它会尝试通过隐式关闭＆lt; head＆gt;来继续解析。并开始＆lt; body＆gt;。这隐含地创建了＆lt; body＆gt;然后会让你感到困惑，因为它在你的实际＆lt; body＆gt;中没有这个类标签。事实上，我认为你的实际＆lt; body＆gt;根本不会出现在已解析的模型中。