BeautifulSoup可以解析自闭合和非自闭合的XML标签吗

Question

情况如下：

XML 文件：

<tag1/>  
<tag2>some_data</tag2>
<tag1>some_another_data</tag1>

标签 tag1 有时候是自闭合的，有时候里面会有数据。

代码：

from BeautifulSoup import BeautifulStoneSoup
s = '<tag1/><tag2>some_data</tag2><tag1>some_another_data</tag1>'
soup1 = BeautifulStoneSoup(s)
soup2 = BeautifulStoneSoup(s, selfClosingTags=["tag1"])
print soup1.prettify()
print
print soup2.prettify()

输出：

<tag1>
 <tag2>
  some_data
 </tag2>
</tag1>
<tag1>
 some_another_data
</tag1>

<tag1 />
<tag2>
 some_data
</tag2>
<tag1 />
some_another_data

在第一种情况下，如果 tag1 后面跟着的不是 tag1，它会“吞掉”下一个标签，因为默认情况下不支持自闭合标签。
在第二种情况下，自闭合标签不支持子标签。

我只是想得到和原始 XML 文档一样的结构。用 BeautifulSoup 可以做到吗？如果可以的话，怎么才能让所有标签默认都是自闭合的？因为有很多 XML 文件，我不想手动去查找这些情况。

Answer 1

你可以告诉BeautifulSoup 4（简称“bs4”）使用不同的解析器，比如lxml，只需要在创建的时候指定就可以了。我建议完全避免使用早期版本，也不要使用bs4自带的默认解析器（比如，它在处理省略的结束标签时会出错）。

Answer 2

我不太推荐使用BeautifulSoup（连解析HTML都不推荐）。如果你需要处理XML，可以使用标准库里的ElementTree，或者如果你需要更强大的XML库，可以试试lxml。