BeautifulSoup 作为 XML 解析器生成不需要的 html/body答案

【问题标题】：BeautifulSoup as XML parser produces an unwanted html/bodyBeautifulSoup 作为 XML 解析器生成不需要的 html/body
【发布时间】：2020-09-01 06:19:05
【问题描述】：

使用 BeautifulSoup for XML 时：

import bs4
soup = bs4.BeautifulSoup('<?xml version="1.0" encoding="utf-8"?><mydocument><b></b></mydocument>', 'lxml')
# add or remove tags in soup
print(soup)

输出有一个不必要的<html> 和<body>：

<?xml version="1.0" encoding="utf-8"?><html><body><mydocument><b></b></mydocument></body></html>

如何避免这些 HTML 特定的元素并使用 BeautifulSoup 输出 XML？

这不是一个有效的解决方案：

print(soup.find('mydocument'))

因为它删除了我想保留的<?xml version="1.0" encoding="utf-8"?>。

【问题讨论】：

标签： python xml beautifulsoup xml-parsing

【解决方案1】：

尝试以下方法之一：

my_xml = '<?xml version="1.0" encoding="utf-8"?><mydocument><b></b></mydocument>'
soup = bs4.BeautifulSoup(my_xml, "xml")

或

soup = bs4.BeautifulSoup(my_xml, "lxml-xml")

在任何一种情况下，print(soup) 都应该输出：

<?xml version="1.0" encoding="utf-8"?>
<mydocument><b/></mydocument>

【讨论】：