能否在BeautifulSoup中将所有XML标签转换为小写
在使用BeautifulSoup和HTML解析器时，标签会被转换成小写字母。但是如果我们使用LXML解析器，应该怎么做呢？在下面的例子中，我无法打印出结果。但是如果我用HTML解析器来解析，就没问题。有没有人能帮我解决这个问题？
html_doc = """
<html><HEAD><title>The Dormouse's story</title></HEAD>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc, "xml")
print soup.head
1 个回答
5
不要用XML解析器来解析HTML。因为HTML对大小写不敏感，而XML是敏感的。
你可以用lxml来解析HTML，方法很简单，只需要使用HTML模式：
>>> soup = BeautifulSoup(html_doc, "lxml")
>>> soup.head
<head><title>The Dormouse's story</title></head>
如果你坚持要用XML解析器，那你就得确保输入元素的大小写完全匹配：
>>> soup = BeautifulSoup(html_doc, "xml")
>>> soup.head
>>> soup.HEAD
<HEAD><title>The Dormouse's story</title></HEAD>
如果你想处理XML并且不考虑大小写，那就用lxml提供的ElementTree API，完全不要用BeautifulSoup。这样你就需要使用正则表达式的XPath搜索：
regexpNS = "http://exslt.org/regular-expressions"
tree.xpath('//*[re:test(., '^head$', 'i')]', namespaces={'re':regexpNS})
这样可以找到所有名称为head的元素，不管它们的大小写。