如何在 Python 中以编程方式区分 XML 和 HTML？答案

【问题标题】：How do I distinguish between XML and HTML programmatically in Python?如何在 Python 中以编程方式区分 XML 和 HTML？
【发布时间】：2021-04-25 07:15:02
【问题描述】：

我正在发送一个 http 请求并获得一个 http 响应，但我希望能够提取响应的正文并知道它是否包含 XML 或 HTML。

理想情况下，即使响应中的内容类型不明确，此方法也应该有效（即，它应该适用于不一定指定内容类型的网站）。

目前，我正在使用 lxml 来解析 html/xml，但在解析时不知道我是在处理 HTML 还是 XML。

【问题讨论】：

标签： python html xml lxml

【解决方案1】：

我不明白您为什么要这样做，但我确信有更好的方法可以做到。但是……

xml和html的区别在于声明，HTML必须以<!DOCTYPE HTML>开头，XML以<?xml version="1.0>开头

XML 示例

<?xml version="1.0>
<address>
<name> Krishna Rungta</name> 
<contact>9898613050</contact>
<email>krishnaguru99@gmail.com </email>
<birthdate>1985-09-27</birthdate>
</address>

HTML 示例

<!DOCTYPE html>
<html>
<head>
<title> Page title </title> </head>
<body>
<hl> First Heading</hl> <p> First paragraph.</p> </body>
</html>

如果我是你，我会使用 BeautifulSoup 来选择 DOCTYPE，如果你找不到/选择它意味着它是 XML。你可以看到如何做到这一点here。

如果这不能回答您的问题，请尝试阅读this 或尝试使用此library

【讨论】：

【解决方案2】：

您可以查看content-type 标头以了解您收到的响应类型：

import requests

respond = requests.get(URL)
file_type = respond.headers['content-type']

print(file_type)

>>>'text/html; charset=utf-8'

你也可以这样做

print(file_type.split(';')[0].split('/')[1])

获取"html" 或"xml" 作为输出

【讨论】：