Question

我目前正面临一个无法解释etree行为的问题。以下代码演示了我面临的问题。我想解析一个HTML字符串，如下图所示，更改元素的属性并在完成后重新打印HTML。

from lxml import etree
from io import StringIO, BytesIO

string = "<p><center><code>git clone https://github.com/AlexeyAB/darknet.git</code></center></p>"
parser = etree.HTMLParser()
test = etree.fromstring(string, parser)
print(etree.tostring(test, pretty_print=True, method="html")

我得到了这个输出：

<html><body>
<p></p>
<center><code>git clone https://github.com/AlexeyAB/darknet.git</code></center>
</body></html>

如您所见（让我们忽略<html>和<body>标签etree添加），节点的顺序已经改变了！用于包装标记的<center>标记现在丢失其内容，并且在标记关闭后添加该内容。是吗？

当我省略<center>标签时，突然解析完成了：

from lxml import etree
from io import StringIO, BytesIO

string = "<p><code>git clone https://github.com/AlexeyAB/darknet.git</code></p>"
parser = etree.HTMLParser()
test = etree.fromstring(string, parser)
print(etree.tostring(test, pretty_print=True, method="html"))

输出正确：

<html><body><p><code>git clone https://github.com/AlexeyAB/darknet.git</code></p></body></html>

我在这里做错了吗？我必须使用HTML解析器，因为我在不使用它时会遇到很多解析错误。我也无法更改和<center>标记的顺序，因为我是这样读的。

Answer 1

ngOnInit是块级元素。

<center>不能合法地包含块级元素。

因此，解析器遇到时会关闭。

使用有效的HTML - 或XML解析器，它不关心HTML规则（但在交换中不能处理某些HTML细节，如大多数命名实体，如<center>或unclosed / self - 关闭标签）。

现在已经使用CSS对内容进行了中心化处理，因此没有理由再使用 （事实上，it's deprecated）。但它仍然有效，如果你坚持使用它，请切换嵌套。

<center>

lxml etree HTML解析器更改节点的顺序

1 个答案: