解析 HTML/XML 并在原始文档中查找元素的位置

Question

有没有办法获取文档中元素的原始位置，即。在 Python 中解析 html/xml 时的开始和结束字符索引？

我查看了 lxml 文档，但找不到任何东西。

例如。

<a>1</a><b>2</b>

...

print tree.find('b').original_position
# result: (9, 16)

Answer 1

Google 找到了this，其要点是：格式错误的文档很难处理，因为解析需要合成没有任何相应输入的有效令牌。有效文档是可能的，但大多数解析库不支持。