检查 etree._Element 和 bs4.Tag 是否相等的最佳方法是什么？答案

【问题标题】：What is the best way to check the equality of a etree._Element and a bs4.Tag?检查 etree._Element 和 bs4.Tag 是否相等的最佳方法是什么？
【发布时间】：2019-01-15 20:26:52
【问题描述】：

我使用 lxml 执行 xpath 以获取类型为 etree._Element 的节点。我也有一些 bs4.Tag 类型的节点。

然后我想知道这两个节点是否指的是同一个 HTML 元素。最好的方法是什么？

我目前做的是一种非常简单的方法来检查以下事物（例如）的相等性：

标签名称
HTML 属性，例如 id、class 等
字符串内容 ...

或者只是从根到该节点的规范路径。

但是，这并不方便。

【问题讨论】：

这些都不能帮助您确定它们是否引用相同的 HTML 元素。您必须比较引导您到达它们的路径。
@intentionallyleftblank 确定....
为什么不选择一个库并坚持下去？
@pguardiario 我想用bs4提供的约定函数来处理DOM树，但是不能执行xpath。
契约函数？我认为你编造了。

标签： python beautifulsoup lxml

【解决方案1】：

这段代码可以帮助你比较到html元素的路径，考虑到标签和属性，但是比较元素的文本是相当棘手的

def compare_elements(bs_tag, lxml_element):
    # running till the very top
    while bs_tag.name != 'html' and lxml_element.tag != 'html':
        # compare tag
        if bs_tag.name != lxml_element.tag:
            return False

        # compare attributes
        # bs groups into lists, so we need to join back to string
        bs_attrs = {k: ' '.join(v) if isinstance(v, list) else v for k, v in bs_tag.attrs.items()}
        if bs_attrs != lxml_element.attrib:
            return False

        # going up
        bs_tag = bs_tag.parent
        lxml_element = lxml_element.getparent()

    return True

【讨论】：