BeautifulSoup - 防止标记自动关闭

Question

BeautifulSoup在解析以下代码时感到窒息：

>>> soup = BeautifulSoup('<img src="#" alt="Click Here >" border="0" />')
>>> soup.prettify()
'<img src="#" alt="Click Here &gt;" />\n" border="0" />\n'

我还应该注意，我无法控制输入html。文本/属性有许多不同的变体，所以我想避免使用正则表达式。

任何人都有建议阻止BeautifulSoup在遇到“＆gt;”时自动关闭img标记符号？

编辑1：我在文档中找到了this。我可以控制BeautifulSoup如何解析IMG标签吗？

编辑2：我解决了我的问题。在我打电话给BS之前，我确实做了一个文本替换

text.replace('>"','>"')

Answer 1

BeautifulSoup4已更新为可感知上下文，此后已解决了该问题。如果您更新到BeautifulSoup4的最新版本，则用引号引起来时它将忽略>标签。

soup = BeautifulSoup('<img src="#" alt="Click Here >" border="0" />')
print(soup.img.attrs)
# {'src': '#', 'alt': 'Click Here >', 'border': '0'}
soup.prettify()
# '<img src="#" alt="Click Here &gt;" />\n" border="0" />\n'

该示例显示alt属性正确具有>字符，并且border属性已被识别。