检查etree._Element和bs4.Tag是否相等的最佳方法是什么？

Question

我使用lxml执行xpath以获得etree._Element类型的节点。 我也有一些bs4.Tag类型的节点。

然后，我想知道这两个节点是否引用相同的HTML元素。最好的方法是什么？

我目前所做的是一种非常简单的方法，可以检查以下各项（例如）的相等性：

1. 标签名称
2. HTML属性，例如id，class等
3. 字符串内容 ...

或者只是从根到该节点的规范路径。

但是，这不方便。

Answer 1

此代码可以帮助您比较最多html个元素的路径，同时考虑标记和属性，但是比较元素的文本非常棘手

def compare_elements(bs_tag, lxml_element):
    # running till the very top
    while bs_tag.name != 'html' and lxml_element.tag != 'html':
        # compare tag
        if bs_tag.name != lxml_element.tag:
            return False

        # compare attributes
        # bs groups into lists, so we need to join back to string
        bs_attrs = {k: ' '.join(v) if isinstance(v, list) else v for k, v in bs_tag.attrs.items()}
        if bs_attrs != lxml_element.attrib:
            return False

        # going up
        bs_tag = bs_tag.parent
        lxml_element = lxml_element.getparent()

    return True