如何让 BeautifulSoup “理解” plus html 实体答案

【问题标题】：How to make BeautifulSoup "understand" the plus html entity如何让 BeautifulSoup “理解” plus html 实体
【发布时间】：2019-09-03 03:25:32
【问题描述】：

假设我们有一个像这样的html 文件：

test.html

<div>
<i>Some text here.</i>
Some text here also.<br>
2 &plus; 4 = 6<br>
2 &lt; 4 = True
</div>

如果我将这个html 传递给BeautifulSoup，它将转义plus 实体附近的& 符号并输出html 将是这样的：

<div>
<i>Some text here.</i>
Some text here also.<br>
2 &amp;plus 4 = 6<br>
2 &lt; 4 = True
</div>

例如python3代码：

from bs4 import BeautifulSoup

with open('test.html', 'rb') as file:
    soup = BeautifulSoup(file, 'html.parser')

print(soup)

如何避免这种行为？

【问题讨论】：

【解决方案1】：

这可以解决你的问题：

s = '''
<div>
<i>Some text here.</i>
Some text here also.<br>
2 &plus; 4 = 6<br>
2 &lt; 4 = True
</div>'''

soup = BeautifulSoup(s, 'html5lib')

你会得到：

>>> soup

<html><head></head><body><div>
<i>Some text here.</i>
Some text here also.<br/>
2 + 4 = 6<br/>
2 &lt; 4 = True
</div></body></html>

【讨论】：