BeautifulSoup怎么自動(dòng)修復(fù)不完整的HTML或XML

小億
85
2024-05-14 12:44:13

BeautifulSoup庫(kù)本身并不提供自動(dòng)修復(fù)不完整的HTML或XML的功能。不過(guò)，你可以使用第三方庫(kù)如lxml來(lái)解析不完整的HTML或XML，并且通過(guò)它們提供的修復(fù)功能來(lái)修復(fù)不完整的文檔。

下面是一個(gè)使用lxml庫(kù)來(lái)修復(fù)不完整的HTML的例子：

from bs4 import BeautifulSoup
from lxml.html import fromstring

def fix_incomplete_html(html):
    tree = fromstring(html)
    return tree

html = "<p>This is a <b>test"
fixed_html = fix_incomplete_html(html).tostring()
soup = BeautifulSoup(fixed_html, "html.parser")
print(soup.prettify())

這段代碼中，我們先使用lxml庫(kù)的fromstring方法將不完整的HTML文檔解析為一個(gè)ElementTree對(duì)象，然后將其轉(zhuǎn)換為字符串形式。最后，我們?cè)偈褂肂eautifulSoup來(lái)解析修復(fù)后的完整HTML文檔，并打印其格式化后的內(nèi)容。

0 踩