代码之家 › 专栏 › 技术社区 › liori

LXML,序列化时缺少doctype

doctype lxml python

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

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>'

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

Community wiki · 如何调试Python内存故障?

2 年前

fleaheap · 如何使用lxml和python遍历html文档及其子文档的<body>

7 年前

Nebulosar Nutcracker · python lxml-如何在XML中获取子元素的值

7 年前

Jack Hudgins · 解析网站获取NBA球队RPI的表格数据

7 年前

Greenev · 在Python中,如何将空字符串传递到三引号的f字符串中?

7 年前

Lorcan Kelleher · 使用lxml/requests从网页获取TLE(Python3.6.4)

7 年前

LeCoda · 使用lxml获取xml数据

7 年前

Florian · xpath内部为空

7 年前

SIM · 无法分析来自不同表的'th'标记和'td'标记的数据

7 年前

qtopierw · 如何在Python中使用lxml更改XML命名空间?

7 年前