如何使用Python解析包含命名ISO-8859-1实体的HTML？
我总结一下：minidom似乎不喜欢8859个命名实体；什么是合适的解决方案 以下代码说明了我的情况：如何使用Python解析包含命名ISO-8859-1实体的HTML？,python,html-parsing,xhtml,Python,Html Parsing,Xhtml,我总结一下：minidom似乎不喜欢8859个命名实体；什么是合适的解决方案 以下代码说明了我的情况： sample = """ <html> <body> <h1>Un ejemplo</h1> <p>Me llamo Juan Fulano y Hernández.</p> </body> </html> """ sample2
sample = """
<html>
<body>
<h1>Un ejemplo</h1>
<p>Me llamo Juan Fulano y Hernández.</p>
</body>
</html>
"""
sample2 = sample.replace("á", "á")
import xml.dom.minidom
dom2 = xml.dom.minidom.parseString(sample2)
dom = xml.dom.minidom.parseString(sample)
- 是否用相应的文字常量替换命名实体？
- 是否使用minidom以外的解析器？哪个？
- 不知何故（通过编码分配？）让minidom相信这些命名实体很酷？
说服（X）HTML的作者避开命名实体是不可行的。
xml.dom.minidom”、、、
、
、
和
）
试试。对于这个问题及其类似的问题，以前有很多答案，例如：谢谢你，Ekhumaro；我太迟钝了，以至于我没有意识到客户真的处于HTML状态，而他将其标记为XML只是我应该忽略的噪音。谢谢，Tim Pietzcker：你的回答是（非常！）快速、准确且接近我所需要的。事实上，我正在使用的数据被宣传为XML；从长远来看，我需要研究如何协调minidom对相关DTD的想法与数据作者的想法。不过，与此同时，我想让你知道，你的话很有帮助：虽然我很熟悉对于BeautifulSoup，我没有想到你的分析，我甚至没有想过在这种情况下尝试。你给我留下了比我开始时更好的印象。
... xml.parsers.expat.ExpatError: undefined entity ...