Python lxml更改標籤層次結構？

Question

我遇到了lxml的一個小問題。我正在將XML文檔轉換爲HTML文檔。 原始XML看起來是這樣的（它看起來像HTML，但它在XML文檔）：

<p>Localization - Eiffel tower? Paris or Vegas <p>Bayes theorem p(A|B)</p></p> 

當我做這個（產品上面的字符串）

lxml.html.tostring(lxml.html.fromstring(item)) 

我得到這樣的：

<div><p>Localization - Eiffel tower? Paris or Vegas </p><p>Bayes theorem p(A|B)</p></div> 

我沒有與<DIV>小號任何問題，但事實是，「貝葉斯定理」的段落不再嵌套外款所列這是一個問題。

任何人都知道爲什麼lxml正在這樣做以及如何阻止它？謝謝。

Answer 1

LXML是這樣做的，因爲它沒有存儲無效的HTML和<p>元素can't be nested在HTML：

P元素表示一個段落。它不能包含塊級元素（包括P本身）。

Answer 2

您正在使用lxml的HTML解析器，而不是XML解析器。試試這個：

>>> from lxml import etree 
>>> item = '<p>Eiffel tower? Paris or Vegas <p>Bayes theorem p(A|B)</p></p>' 
>>> root = etree.fromstring(item) 
>>> etree.tostring(root, pretty_print=True) 
'<p>Eiffel tower? Paris or Vegas <p>Bayes theorem p(A|B)</p></p>\n'