使用 xml.etree.ElementTree 解析 XHTML答案

【问题标题】：Parsing XHTML using xml.etree.ElementTree使用 xml.etree.ElementTree 解析 XHTML
【发布时间】：2013-03-02 19:04:01
【问题描述】：

我想在 Python 3 中使用 xml.etree.ElementTree 解析 XHTML 文档。该文档包含 &nbsp; 实体，因此我无法使用默认解析器设置。我想做类似的事情：

with urllib.request.urlopen(BASE_URL) as url:
        body = url.read()
        parser = ET.XMLParser()
        parser.parser.UseForeignDTD(True)
        parser.entity.update(entitydefs)
        etree = ET.ElementTree()
        root = etree.fromstring(body)

但fromstring 是ElementTree 中的免费功能。如何使用ElementTree 实例实现类似的功能？

【问题讨论】：

标签： python xml-parsing elementtree

【解决方案1】：

好吧，我遇到了同样的问题。问题中的示例代码和选择的答案可能以前可以工作，但现在它不能在我的 Python 3.3 和 Python 3.4 环境中工作。

我终于让它工作了。引用自Q&A。

受this post 的启发，我们可以在传入的原始 HTML 内容之前添加一些 XML 定义，然后 ElementTree 就可以开箱即用了。

这适用于 Python 2.6、2.7、3.3、3.4。

import xml.etree.ElementTree as ET

html = '''<html>
    <div>Some reasonably well-formed HTML content.</div>
    <form action="login">
    <input name="foo" value="bar"/>
    <input name="username"/><input name="password"/>

    <div>It is not unusual to see &nbsp; in an HTML page.</div>

    </form></html>'''

magic = '''<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
            "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd" [
            <!ENTITY nbsp ' '>
            ]>'''  # You can define more entities here, if needed

et = ET.fromstring(magic + html)

【讨论】：

【解决方案2】：

输入解析器：

with urllib.request.urlopen(BASE_URL) as url:
    body = url.read()
    parser = ET.XMLParser()
    parser.parser.UseForeignDTD(True)
    parser.entity.update(entitydefs)
    parser.feed(body)
    root = parser.close()   # this returns you the tree

【讨论】：

原发帖者要求提供 Python 3 解决方案，但 parser.parser.UseForeignDTD(True) 在 Python 3 中不起作用。为什么选择此答案作为正确答案？