文章/答案/技术大牛

发布

社区首页 >问答首页 >BeautifulSoup误解了<area>标签

问BeautifulSoup误解了<area>标签
EN

Stack Overflow用户

提问于 2014-07-29 21:27:43

回答 1查看 121关注 0票数 1

我使用漂亮汤从烟草文档中提取元数据，如：http://legacy.library.ucsf.edu/tid/bxf03e00/xml

soup = BeautifulSoup(input)
meta_data = soup.document.metadata

这将正确标识所有标记，但

<area>GEE,ED/OFFICE; N408</area>

“美丽的汤”将区域标记标识为两个单独的标记：

一个空的区域标记<area></area>。
带有内容GEE,ED/OFFICE; N408的空标记

这个错误是因为<area>是一个HTML而发生的吗？如何获得漂亮的汤来正确地将GEE,ED/OFFICE; N408识别为<area>标记的内容？

python

beautifulsoup

回答 1

Stack Overflow用户

回答已采纳

发布于 2014-07-29 22:11:03

核心问题是您还没有告诉bs4它正在解析XML。它假设HTML -打印出来，并注意到解析器是如何将所有内容包装在<html><body>标记中的。

import requests

req = requests.get('http://legacy.library.ucsf.edu/tid/bxf03e00/xml')

doc = req.text

BeautifulSoup(doc).find('area')
Out[79]: <area></area>

告诉它应该将其解析为XML (它将使用lxml进行解析，您需要安装该依赖项，否则会失败)：

BeautifulSoup(doc,'xml').find('area')
Out[80]: <area>GEE,ED/OFFICE; N408</area>

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/25025298

复制

相似问题

问BeautifulSoup误解了<area>标签
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问BeautifulSoup误解了<area>标签EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问BeautifulSoup误解了<area>标签
EN