代码之家 › 专栏 › 技术社区 › liori

LXML,序列化时缺少doctype

doctype lxml python

3

liori · 技术社区 · 14 年前

In [1]: from lxml import etree

我有一个HTML文档:

In [2]: root = etree.fromstring(u'''<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML//EN">\n<HTML></HTML>''', etree.HTMLParser())

正确分析了其doctype:

In [3]: root.getroottree().docinfo.doctype
Out[3]: u'<!DOCTYPE html PUBLIC "-//IETF//DTD HTML//EN">'

但是,当序列化它时,我正在失去它:

In [4]: etree.tostring(root.getroottree(), method='html')
Out[4]: '<html></html>'

我该怎么做才能使doctype序列化?

debian gnu/linux,sid。Python 2.6.LXML 2.2.8-2。

2 回复 | 直到 9 年前

1

2

bosmacs 14 年前

到目前为止,我能让它工作的唯一方法是使用默认的XML解析器并向文档添加一个非空的系统URL:

>>> html = etree.parse(StringIO('''<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML//EN" " ">\n<HTML></HTML>'''))
>>> etree.tostring(html, method="xml")
'<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML//EN" " ">\n<HTML/>'
>>> etree.tostring(html, method="html")
'<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML//EN" " ">\n<HTML></HTML>'

使用 HTMLParser 结果是相同的docinfo,但不是所需的输出:

>>> html = etree.parse(StringIO('''<!DOCTYPE HTML PUBLIC "-//IETF//DTD HTML//EN" " ">\n<HTML></HTML>'''), etree.HTMLParser())
>>> etree.tostring(html, method="html")
'<html></html>'

2

1

liori 9 年前

错误,如对另一个答案的注释中所述: missing doctype when serialized . Fix于2015年2月发布,版本为3.5 lxml .

推荐文章

andrej · 没有用DOCTYPE[closed]定义的span颜色

9 年前

user3454132 · 符合HTML和CSS

10 年前

Danger14 cletus · 如何在不访问代码的情况下将doctype更改为标准模式?

11 年前

Luca Rood · Html页面的doctype越来越奇怪

11 年前

H. Ferrence · 如何在Web文档的<head>标记部分中正确定义UTF-8字符集

11 年前

user736893 · IE7,标准模式与“IE7标准”模式

11 年前

philipp · xhtml添加实体

12 年前