提问人：Minions 提问时间：8/1/2023 更新时间：8/1/2023 访问量：32
BeautifulSoup 自动关闭未关闭的 html 标签
BeautifulSoup closes automatically html tags that are unclosed
问：
我对 BeautifukSoup 有疑问。每当我解析 HTML 输入时，它都会关闭未关闭的 HTML 标签（例如 或未被错误关闭的标记）。<input>
例如：
from bs4 import BeautifulSoup
tags = BeautifulSoup('<span id="100" class="test">', "html.parser")
print(str(tags))
指纹：
<span id="100" class="test"></span>
我在这里的主要目标是在解析 HTML 输入后保留它的原始形状。
我发现使用“XML”解析器而不是“html.parser”是可能的，但我正在寻找“html.parser”的解决方法。
答：
2赞
Andrej Kesely
8/1/2023
#1
您可以戳穿 bs4 内部并修改处理 HTML 的方式（这适用于我的版本）：html.parserbs4==4.12.2
from bs4 import BeautifulSoup
from bs4.builder import builder_registry
from bs4.formatter import HTMLFormatter
class UnsortedAttributes(HTMLFormatter):
def __init__(self):
super().__init__(
void_element_close_prefix=""
) # <-- use void_element_close_prefix="" here
def attributes(self, tag):
yield from tag.attrs.items()
html_text = """\
<closed_tag>
<my_tag id="xxx">
<my_other_tag id="zzz">
</closed_tag>"""
builder_registry.lookup("html.parser").empty_element_tags = {"my_tag", "my_other_tag"}
soup = BeautifulSoup(html_text, "html.parser")
print(soup.encode(formatter=UnsortedAttributes()).decode())
指纹：
<closed_tag>
<my_tag id="xxx">
<my_other_tag id="zzz">
</closed_tag>
评论
0赞
Minions
8/1/2023
当我在较长的 html 上测试它时，它似乎跳过了封闭标签。因此，如果我有它将输出，因为我添加了 [tr， td， p] 标签。这是它的本意吗？<tr><td><p> DE </p></td></tr><tr><td><p> DE builder_registry.lookup("html.parser").empty_element_tags
0赞
Andrej Kesely
8/1/2023
@Minions 你不应该添加 // to ，因为它们总是有一些内容。 应仅用于没有内容的标签。<tr><td><p>empty_element_tagsempty_element_tags
0赞
Minions
8/1/2023
啊啊，我明白了。因此，这不会解决 span 包含内容但未关闭的情况，对吧？
1赞
Andrej Kesely
8/1/2023
是的。这似乎是格式错误的 HTML。您可以尝试使用解析器，但此解析器将像浏览器一样处理文档（它将按照 HTML5 规范关闭标记）。html5lib
0赞
Minions
8/1/2023
明白了。好的，再次感谢安德烈！
评论