BS4在试图修复它时破坏HTML

2024-10-02 06:38:40 发布

您现在位置：Python中文网/ 问答频道 /正文
8347 3

BS4纠正了错误的html。通常这不是问题。我尝试解析、修改和保存这个页面的html:ulisses-regelwiki.de/index.php/sonderfertigkeiten.html 在这种情况下，修复会更改表示。修复后，页面的许多行不再居中，而是左对齐。 由于我必须处理所述页面的损坏html，我不能简单地修复html代码

如何防止bs4修复html或以某种方式修复“更正”

（这个最小的示例只显示了bs4修复损坏的html代码；我无法创建一个最小的示例，其中bs4以错误的方式进行修复，就像上面提到的页面一样）

#!/usr/bin/env python3
from bs4 import BeautifulSoup


html = '''
<!DOCTYPE html>
<center>
Some Test content
<!-- A comment -->
<center>
'''

def is_string_only(t):
    return type(t) is NavigableString

soup = BeautifulSoup(html, 'lxml') #or html.parse

print(str(soup))

Tags： 代码示例ishtml错误方式de页面
1条回答
网友
1楼 · 发布于 2024-10-02 06:38:40

试试这个lib

from simplified_scrapy import SimplifiedDoc

html = '''
<!DOCTYPE html>
<center>
Some Test content
<!  A comment  >
<center>
'''
doc = SimplifiedDoc(html)
print (doc.html)

这里有更多的例子：https://github.com/yiyedata/simplified-scrapy-demo/tree/master/doc_examples

相关问题 更多 >

    编程相关推荐

    热门问题