使用 lxml etree 将 html 标签打印为字符串

Question

我想像 soup.find_all() 一样打印整个标签，但使用 lxml etree。在 lxml 中它打印出标签名称而不是我想用于比较目的的整个标签。谢谢。

代码：

from bs4 import BeautifulSoup
from lxml import etree

doc = "<p><a></a><a></a>Printable Text"
soup = BeautifulSoup(doc, "lxml")
root = etree.fromstring(str(soup))

tree = etree.ElementTree(root)
for e in tree.iter():
    print(e.tag)
    print("--------------")

输出：

html
--------------
body
--------------
p
--------------
a
--------------
a
--------------

预期输出：

<html><body><p><a></a><a></a>Printable Text</p></body></html>
--------------
<body><p><a></a><a></a>Printable Text</p></body>
--------------
<p><a></a><a></a>Printable Text</p>
--------------
<a></a>
--------------
<a></a>
--------------

Answer 1

你真的不需要用 beautifulsoup 解析你的 doc（请注意，在你的问题中你没有包含结束 <p> 标签），然后用lxml，最后用 ElementTree 包装它。但是，如果您 want/need 坚持这一点，您可以通过将 for 循环从

更改为接近（但不是 100%）的预期输出

for e in tree.iter():
    print(e.tag)

to（正如@mzjn 在评论中提到的）：

for e in tree.iter():
    print(etree.tostring(e).decode())

如果您want/can跳过 ElementTree 步骤，您可以使用 xpath 获得相同的输出：

for e in root.xpath('//*'):
    print(etree.tostring(e).decode())

无论哪种情况，输出都是

<html><body><p><a/><a/>Printable Text</p></body></html>
<body><p><a/><a/>Printable Text</p></body>
<p><a/><a/>Printable Text</p>
<a/>
<a/>Printable Text

如果您 can/want 完全跳过 lxml 部分，您可以通过使用 css 选择器直接从 soup 打印来获得准确的预期输出：

for s in soup.select('*'):
    print(s)

输出：

<html><body><p><a></a><a></a>Printable Text</p></body></html>
<body><p><a></a><a></a>Printable Text</p></body>
<p><a></a><a></a>Printable Text</p>
<a></a>
<a></a>

使用 lxml etree 将 html 标签打印为字符串

Print html tags as string using lxml etree

html

python

xpath

lxml

elementtree