Python：如何提取嵌入在html文件中的xml？

2024-09-28 20:47:31 发布

您现在位置：Python中文网/ 问答频道 /正文
6284 3

我有一个嵌入了xml剪贴的html文件，源代码粘贴在pastbin中：

<html>
  <head>
    <title> test֤</title>
  </head>
  <body>
    <form name="acsForm" action="" method="post" >
      <textarea rows=10 cols=80 name="xmlText"><?xml version="1.0" encoding="UTF-8"?>
        <samlp:Response xmlns:samlp="urn:oasis:names:tc:SAML:2.0:protocol">
        </samlp:Response> 
      </textarea>
      <textarea name="2nd"> text2....</textarea>             
    </form>
  </body>
</html>

我的任务是从HTML中提取包含在第一个textarea中的文本，这是一个XML片段。没有对原始片段进行任何更改。我可以通过使用beauthoulsoup来获得它，但它会将所有标记名改为小写。在


Tags： 文件nameform源代码title粘贴responsehtml
3条回答
网友
1楼 · 编辑于 2024-09-28 20:47:31

也许lxml会起作用，虽然我自己从来没有用过它，所以我不知道做你想做的事情有多简单/复杂。在

网友
2楼 · 编辑于 2024-09-28 20:47:31

（啊！为什么这么多作者似乎认为<textarea>内容不需要HTML转义？傻瓜！）在

不幸的是，beauthoulsoup3.1没有应用（不正确但常见的）浏览器链接，即将<和{}字符视为文本，而是创建真正的XML元素。在

BeautifulSoup 3.0可以应付。Why there's a difference.

网友
3楼 · 编辑于 2024-09-28 20:47:31

尝试使用BeautifulGroup库的^{}部分，它是为XML设计的。在

相关问题 更多 >

    编程相关推荐