Beautiful Soup4在处理代码时会改变属性的顺序并且补充缺少的代码,应该如何保持原样?
我的系统环境是XP+Python3.4,
现在发现 BS4在处理代码时会改变属性的顺序, 比如:
<td height="250" class="infodetail" valign="top" id="TDContent">
上边这行代码经过 BeautifulSoup(htmlstr,'html.parser')处理后会变成
<td class="infodetail" height="250" id="TDContent" valign="top"></td>
很显然,这是根据标签属性的顺序进行了重新排序,然后我再换lxml试了下,
<html><body><td class="infodetail" height="250" id="TDContent" valign="top"></td></body></html>
不光重新排序,还把头尾缺少的<html><body>给补上了。
请问有什么方法能使代码保持原样吗?我只要提取数据就行了,不希望改原代码的顺序,因为以后还要用到,而且html.parser和lxml在处理代码混乱的页面时会补充缺少的标签代码,有时可能会在代码的中间部位就加上了</html>,这样就没法正常提取了。