BS4：区分大小写搜索

Question

我想知道有没有办法只找到那些全大写的标签？我有一个HTML页面，里面有标签<a href=..>和标签<A href=...>。我只想获取格式为<A href=..>的标签。

当我尝试使用all = index.findAll('A')时，它什么都不返回。可是如果我用all = index.findAll('a')，我就会得到所有的'a'和'A'标签。

谢谢大家的建议。

Answer 1

HTML对大小写不敏感；在解析时，所有标签都会被转换成小写。

如果你需要区分标签的大小写，就得把文档当作XML来解析。你需要安装lxml，然后告诉BeautifulSoup使用XML模式来解析：

soup = BeautifulSoup(source, 'xml')

需要注意的是，XML的规则比HTML要严格；如果你解析的HTML文档不符合这些严格的规则，可能会解析失败。