BeautifulSoup：如何在輸出中包含編碼？

Question

我想在使用BeautifulSoup.BeautifulStoneSoup的XML文檔中包含編碼標籤，但我不知道該怎麼做！

<?xml version="1.0" encoding="UTF-8"?> 
<mytag>stuff</mytag> 

它在輸出編碼標籤，當我閱讀已經有它的文檔，但我正在做一個新的湯。

謝謝！

編輯：我將舉一個我目前正在做的事情的例子。

from BeautifulSoup import BeautifulStoneSoup, Tag 
soup = BeautifulStoneSoup() 
mytag = Tag(soup, 'mytag') 
soup.append(mytag) 

str(soup) 
# '<mytag></mytag>' 

soup.prettify() # No encoding given 
# '<mytag>\n</mytag>' 

soup.prettify(encoding='UTF-8') 
# '<mytag>\n</mytag>' # Where's the encoding? 

即使我創建湯像BeautifulStoneSoup(fromEncoding='UTF-8')，但仍然沒有<?xml?>標籤。

是否有另一種方式來獲得該標籤沒有創建並直接將標籤作爲字符串傳遞，或者是唯一的方法？

Answer 1

你的意思是這樣的嗎？

from BeautifulSoup import BeautifulStoneSoup 
soup = BeautifulStoneSoup('<?xml version="1.0" encoding="UTF-8"?>') 
# make some more soup 

或者，

soup = BeautifulStoneSoup() 
# make some more soup 
soup.insert(0, '<?xml version="1.0" encoding="UTF-8"?>') 

---

從BeautifulSoup documentation：

美麗的湯嘗試以下編碼，按優先順序，把你的文件轉換成Unicode：

• 您作爲fromEncoding參數傳遞給湯構造函數的編碼。
• 在文檔本身中發現的編碼：例如，在XML聲明中或（對於HTML文檔）一個http-equiv META標籤。如果Beautiful Soup在文檔中發現這種編碼，它會從頭開始再次解析文檔，並嘗試新編碼。唯一的例外是，如果您明確指定了編碼，並且該編碼實際上起作用：那麼它將忽略它在文檔中找到的任何編碼。
• 通過查看文件的前幾個字節來查看編碼。如果在此階段檢測到編碼，它將是UTF- *編碼，EBCDIC或ASCII之一。
• 由chardet庫嗅探的編碼（如果已安裝它）。
• UTF-8
• 的Windows 1252

美麗的湯幾乎總是猜對了，如果它可以做一個猜測的。但對於沒有聲明和奇怪編碼的文檔，通常無法猜測。

N.B.項目＃2，我讀作：BeautifulSoup會自動使用xml聲明中的編碼，如果您沒有顯式指定一個帶fromEncoding參數的編碼。因人而異。

在前面引用的documentation中還有其他可能有用的與unicode相關的示例。

---

編輯：@TorelTwiddler，如果有另一種方式來增加使用BeautifulSoup XML聲明，而沒有經過標籤作爲直接的字符串，我沒有意識到這一點。

儘管如此，考慮以下因素：

soup = BeautifulStoneSoup('<?xml version="1.0" encoding=""?>') # <- no encoding 
mytag = Tag(soup, 'mytag') 
soup.append(mytag) 

print str(soup) 
# "<?xml version='1.0' encoding='utf-8'?><mytag></mytag>" 
# Wha!? :) 
print soup.prettify(encoding='euc-jp') 
# <?xml version='1.0' encoding='euc-jp'?> 
# <mytag> 
# </mytag> 

也許，你想要去的那會幫助你。