从xml获取标签名称

Question

我有这样结构的文件：

<pwACL>
The gateway only supports upto 10 rules.
</pwACL>

<cmn53>
Batch Number
</cmn53>

我想获取标签名称和标签之间的数据。我尝试使用 BeatifulSoup HTMLParser 库，但它会自动将标签名称转换为小写。我发现可以像这样使用 html5lib 和 beatifulsoup 树生成器来创建树：

parser = html5lib.HTMLParser(tree=treebuilders.getTreeBuilder("beatifulsoup"))

但似乎 html5lib 不再支持 beatifulsoup 了。有没有其他办法？

Answer 1

BeautisulSoup documentation - Other parsers problems中提到：

由于 HTML 标记和属性不区分大小写，所有三个 HTML 解析器将标记和属性名称转换为小写。那就是 标记<TAG></TAG> 转换为<tag></tag>。如果你想 保留混合大小写或大写的标签和属性，您需要 将文档解析为 XML。

Parsing XML:

默认情况下，Beautiful Soup 将文档解析为 HTML。解析一个 文档为 XML，将“xml”作为第二个参数传递给 BeautifulSoup 构造函数：

soup = BeautifulSoup(markup, "xml")

您需要have lxml installed。

---

>>> markup = '''<pwACL>
... The gateway only supports upto 10 rules.
... </pwACL>'''
>>> soup = BeautifulSoup(markup, 'xml')
>>> soup.find_all()
[<pwACL>\nThe gateway only supports upto 10 rules.\n</pwACL>]