如何让BeautifulSoup 4识别自闭合标签？
这个问题是关于BeautifulSoup4的，跟之前的问题有些不同：
因为BeautifulStoneSoup已经不再使用（之前的xml解析器），我该如何让bs4支持新的自闭合标签呢？比如：
import bs4
S = '''<foo> <bar a="3"/> </foo>'''
soup = bs4.BeautifulSoup(S, selfClosingTags=['bar'])
print soup.prettify()
这个例子中，bar标签没有自闭合，但给出了一个提示。那么，bs4提到的这个树构建器是什么？我该如何让这个标签自闭合呢？
/usr/local/lib/python2.7/dist-packages/bs4/__init__.py:112: UserWarning: BS4 does not respect the selfClosingTags argument to the BeautifulSoup constructor. The tree builder is responsible for understanding self-closing tags.
"BS4 does not respect the selfClosingTags argument to the "
<html>
<body>
<foo>
<bar a="3">
</bar>
</foo>
</body>
</html>
1 个回答
15
要解析XML文件，你需要在创建BeautifulSoup对象时，把“xml”作为第二个参数传进去。
soup = bs4.BeautifulSoup(S, 'xml')
你需要先安装lxml这个库。
现在你不需要再传入selfClosingTags这个参数了：
In [1]: import bs4
In [2]: S = '''<foo> <bar a="3"/> </foo>'''
In [3]: soup = bs4.BeautifulSoup(S, 'xml')
In [4]: print soup.prettify()
<?xml version="1.0" encoding="utf-8"?>
<foo>
<bar a="3"/>
</foo>