BeautifulSoup4：文本中的“＆”号

Question

我在使用BeautifulSoup4时遇到问题...（我是一名Python / BeautifulSoup新手，如果我很笨，请原谅我）

为什么执行以下代码：

from bs4 import BeautifulSoup

soup_ko = BeautifulSoup('<select><option>foo</option><option>bar & baz</option><option>qux</option></select>')

soup_ok = BeautifulSoup('<select><option>foo</option><option>bar and baz</option><option>qux</option></select>')

print soup_ko.find_all('option')

print soup_ok.find_all('option')

产生以下输出：

[<option>foo</option>, <option>bar &amp; baz</option>]

[<option>foo</option>, <option>bar and baz</option>, <option>qux</option>]

我期望得到相同的结果，包含3个选项的数组...但是BeautifulSoup似乎不喜欢文本中的＆符？如何在不编辑HTML（或通过转换/转换）的情况下摆脱它并获得正确的数组？

Answer 1

&在HTML中用于输入所谓的HTML实体。例如，它<是HTML中的特殊符号，因为它以标签开头，因此您可以&lt;改用。因此，&它本身也是一个特殊的符号，您应该将它&amp;用作文字“＆”号。您的HTML无效，BeautifulSoup对其进行了修复。

Answer 2

正如我在编辑的第一篇文章中所说的那样，这是BeautifulSoup 4.2.0中的一个错误，我下载了4.2.1，该错误消失了。

Answer 3

如前所述，＆是HTML语言的一部分，但如有必要，您可以在BeautifulSoup之前使用html.escape，然后在必要时使用html.unesacpe