<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE pdf2xml SYSTEM "pdf2xml.dtd">
<page number="1" position="absolute" top="0" left="0" height="1188" width="918">
<text top="301" left="136" width="223" height="17" font="4"><b>– Jul-18 ABC </b></text>
<text top="495" left="136" width="258" height="17" font="4"><b>– Aug-16</b> <b>XYZ </b></text>
</page>
使用xml/lxml/lxml解析器的Beautiful Soup无法正确解析第二个<text>
元素。它移除Aug-16
和XYZ
之间的空间。它解析为
<text font="4" height="17" left="136" top="495" width="258"><b>– Aug-16</b> <b>XYZ </b></text>
这是不对的。我也试过用from_encoding="utf-8"
选项做汤。没有一个有效。你知道吗
也许你需要试试这个方法
相关问题 更多 >
编程相关推荐