如何使用lxml解析HTML時保留HTML實體？

有沒有辦法配置lxml不去除HTML實體？即如何使用lxml解析HTML時保留HTML實體？

from lxml import etree 

parser = etree.XMLParser(recover=True, remove_blank_text=True, remove_comments=True) 

html = '<html><body><p>&agrave;</body><p></html>' 
parsed_tree = etree.XML(html, parser)) 
etree.tostring(parsed_tree) # returns '<html><body><p/><p/></body></html>'

我想保持在HTML中à，而不是把它剝離出來。

來源

2015-07-20 gforcada

我解決了它切換etree.XMLParser到etree.HTMLParser和etree.XML到etree.HTML。

來源

2015-07-20 12:44:39 gforcada

如何使用lxml解析HTML時保留HTML實體？

回答

相關問題