有 BeautifulSoup 输出 <br> 而不是 <br/>

Question

我有一些使用 BeautifulSoup 4（当前为 4.3.2）修改的 HTML。将修改后的soup转换为字符串时，所有br元素都写成<br/>：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<p>Paragraph containing<br>line break</p>')
>>> soup.p
<p>Paragraph containing<br/>line break</p>
>>> str(soup.p)
'<p>Paragraph containing<br/>line break</p>'

这对于 HTML 5 来说没问题，但对于 HTML 4 和我的用例来说不一定；我想像以前一样产生输出。

prettify 和 encode 方法的 formatter 参数似乎只影响字符串内容。

是否可以告诉 BeautifulSoup 不 生成自闭合标签？ 还是我需要自己编写一个函数来走汤并创建这样的字符串？

Answer 1

据我了解，BeautifulSoup 具有打开然后关闭的标签或自关闭标签。没有像你想要的 <br> 这样的非封闭标签。

很久以前，someone tried to apply a patch 使prettify() 输出br 标签正确地用于 HTML 4。

最简单的解决方案是手动移除关闭部分：

>>> data = '<p>Paragraph containing<br>line break</p>'
>>> soup = BeautifulSoup(data, 'html.parser')
>>> str(soup).replace('</br>', '')
'<p>Paragraph containing<br>line break</p>'

这确实不是一个漂亮而可靠的解决方案。

更好的处理方法是创建自己的树构建器类并控制br标签在handle_starttag()和handle_endtag()方法中的构造方式。