使用 BeautifulSoup 提取 CData

Question

我正在尝试使用来自 bs4/Python 3 的 BeautifulSoup 来提取 CData。但是，每当我使用以下内容搜索它时，它都会返回一个空结果。谁能指出我做错了什么？

from bs4 import BeautifulSoup,CData

txt = '''<foobar>We have
         <![CDATA[some data here]]>
         and more.
         </foobar>'''
soup = BeautifulSoup(txt)
for cd in soup.findAll(text=True):
    if isinstance(cd, CData):
        print('CData contents: %r' % cd)

Answer 1

问题似乎是默认解析器无法正确解析 CDATA。如果你指定了正确的解析器，CDATA 就会出现：

soup = BeautifulSoup(txt,'html.parser')

有关解析器的更多信息，请参阅the docs

我通过使用the diagnose function 得到了这个，the docs 推荐：

如果您对 Beautiful Soup 有任何疑问或遇到问题，请发送邮件至讨论组。如果您的问题涉及解析 HTML 文档，请务必提及 diagnostic() 函数对该文档的说明。

使用 diagnostic() 函数可以输出不同解析器如何查看您的 html，这使您能够为您的用例选择正确的解析器。