lxml.html 忽略正文类属性

【问题标题】：lxml.html ignoring body class attributeslxml.html 忽略正文类属性
【发布时间】：2015-07-20 12:35:17
【问题描述】：

我正在使用 lxml.html 来解析 html 内容。但我不明白为什么 lxml 会删除“body”标签属性。按照建议here

尝试使用 lxml.html.parse 和 lxml.html.document_fromstring

但它仍然无法正常工作。

示例 html 字符串：-

<html class="hello"> <head> <iframe src="index.html"></iframe> </head> <body class="foo"><h1>a</h1></body> </html>

还有其他人也遇到过这个问题吗？

【问题讨论】：

标签： iframe html-parsing lxml lxml.html

【解决方案1】：

可能为时已晚，但我在使用相同的底层解析器时遇到了类似的问题（lxml 使用 libxml2，我直接使用它）。我认为问题在于不能出现在文档的中。当 libxml2 在那里看到一个时，它会尝试通过隐式关闭并启动来继续解析。这个隐式创建的会让你感到困惑，因为它在你的实际标记中没有类。事实上，我认为你的实际根本不会出现在解析后的模型中。

【讨论】：