为什么beautifulsoup 会改变我的xml 格式？答案

【问题标题】：Why is beautifulsoup altering the format of my xml?为什么beautifulsoup 会改变我的xml 格式？
【发布时间】：2016-06-24 05:56:13
【问题描述】：

当我导入和导出 xml 而不对 xml 进行任何修改时，输出会发生显着变化。

我正在使用 beautifulsoup，这是我正在使用的代码示例。

soup = BeautifulSoup(open('/Users/bdon/envtest.xml', 'r'), 'lxml')

with open('/Users/bdon/envmod.xml', "w") as f:
    f.write(soup.prettify())

这是我要导入的 xml：

<?xml version="1.0"?>
<config>
  <apps>
    <app name="apache-common">
      <key name="max" value="400"/>
    </app>
    <app name="epci">
      <key name="instance.type" value="apachecommon"/>
      <key name="aoverride.enabled" value="true"/>
    </app>

还有输出：

<?xml version="1.0"?>
<html>
 <body>
  <config>
   <apps>
    <app name="apache-common">
     <key name="max" value="400">
     </key>
    </app>
    <app name="epci">
     <key name="instance.type" value="apachecommon">
     </key>
     <key name="aoverride.enabled" value="true">
     </key>
    </app>

问题：

html和body标签添加了吗？
现在，键名的末尾去掉了“/”，并在其后添加了结束键标记。

为什么会发生这种情况，我该如何解决？

【问题讨论】：

您确实对 XML 进行了修改...您在上面调用了 prettify()。

标签： python xml beautifulsoup

【解决方案1】：

如果您使用'html.parser'，那么BeautifulSoup 不会改变您的代码格式。

演示

from bs4 import BeautifulSoup

content = '''
<?xml version="1.0"?>
<config>
  <apps>
    <app name="apache-common">
      <key name="max" value="400"/>
    </app>
    <app name="epci">
      <key name="instance.type" value="apachecommon"/>
      <key name="aoverride.enabled" value="true"/>
    </app>
    </apps>
    </config>'''

soup = BeautifulSoup(content, "html.parser")
print(soup)

输出

<?xml version="1.0"?>
<config>
<apps>
<app name="apache-common">
<key name="max" value="400"></key>
</app>
<app name="epci">
<key name="instance.type" value="apachecommon"></key>
<key name="aoverride.enabled" value="true"></key>
</app>
</apps>
</config>

【讨论】：

我错过了什么吗？这看起来完全改变了。打印时格式全部消失。
使用 html.parser 会将标签的大小写更改为小写。

【解决方案2】：

在构造函数中指定了lxml HTML 解析器。将构造函数调用改为：

soup = BeautifulSoup(open('/Users/bdon/envtest.xml', 'r'), 'xml')

The documentation on parsing XML is here.

【讨论】：

是的。它也是一个 HTML 解析器。 “lxml”使它以 HTML 模式运行，“xml”以 XML 模式运行。 You can find the list of parsers and modes and how to set them up here.