Python 使用BeautifulSoup分析单个带引号的属性值中的非转义撇号

从一个网页，我想得到所有的链接和标题字符串。我用BeautifulSoup 4刮。网页上的链接如下所示：

<a href='http://www.example1.com' title='A small secret for better estimates #4/16/2014 8:10:30 AM'> Example 1 </a>
<a href='http://www.example2.com' title='Don't make me think #4/9/2014 4:36:07 AM'> Example 2</a>

问题：BeautifulSoup不知道如何正确转义字符串中的单引号，即

“

因此，例如2，它将只输出

Don

：

A small secret for better estimates #4/16/2014 8:10:30 AM
Don

---

问题不在于BeautifulSoup，而在于您的HTML，它是无效的。根据，单个引用的属性值具有以下语法：

属性名称，后跟零个或多个空格字符，后跟单个U+003D等号字符，后跟零个或多个空格字符，后跟单个U+0027撇号字符（'），后跟属性值，除上述属性值要求外，不得包含任何文字U+0027撇号字符（'），最后后跟第二个U+0027撇号字符（'）

虽然BeautifulSoup的所有解析器都会尝试解析您问题中的无效HTML，但没有一个解析器会满足您的要求：

美化组（src，“html.parser”）

美化组（src，“lxml”）

美化组（src，“html5lib”）

任何现代浏览器也不会：

Firefox

Chrome

IE 11

如果要在单个带引号的属性值中表示撇号，则需要使用

&apos字符实体引用：

>>美化小组（“”
... 
... 
... """)



或者，可以使用双引号属性值：

>>美化小组（“”
... 
... 
... """)

问题不在于美化组，而在于无效的HTML。根据，单个引用的属性值具有以下语法：

属性名称，后跟零个或多个空格字符，后跟单个U+003D等号字符，后跟零个或多个空格字符，后跟单个U+0027撇号字符（'），后跟属性值，除上述属性值要求外，不得包含任何文字U+0027撇号字符（'），最后后跟第二个U+0027撇号字符（'）

虽然BeautifulSoup的所有解析器都会尝试解析您问题中的无效HTML，但没有一个解析器会满足您的要求：

美化组（src，“html.parser”）

美化组（src，“lxml”）

美化组（src，“html5lib”）

任何现代浏览器也不会：

Firefox

Chrome

IE 11

如果要在单个带引号的属性值中表示撇号，则需要使用

&apos字符实体引用：

>>美化小组（“”
... 
... 
... """)



或者，可以使用双引号属性值：

>>美化小组（“”
... 
... 
... """)

问题不在于美化组，而在于无效的HTML。根据，单个引用的属性值具有以下语法：

属性名称，后跟零个或多个空格字符，后跟单个U+003D等号字符，后跟零个或多个空格字符，后跟单个U+0027撇号字符（'），后跟属性值，除上述属性值要求外，不得包含任何文字U+0027撇号字符（'），最后后跟第二个U+0027撇号字符（'）

虽然BeautifulSoup的所有解析器都会尝试解析您问题中的无效HTML，但没有一个解析器会满足您的要求：

美化组（src，“html.parser”）

美化组（src，“lxml”）

美化组（src，“html5lib”）

任何现代浏览器也不会：

Firefox

Chrome

IE 11

如果要在单个带引号的属性值中表示撇号，则需要使用

&apos字符实体引用：

>>美化小组（“”
... 
... 
... """)



或者，可以使用双引号属性值：

>>美化小组（“”
... 
... 
... """)

问题不在于美化组，而在于无效的HTML。根据，单个引用的属性值具有以下语法：

属性名称，后跟零个或多个空格字符，后跟单个U+003D等号字符，后跟零个或多个空格字符，后跟单个U+0027撇号字符（'），后跟属性值，除上述属性值要求外，不得包含任何文字U+0027撇号字符（'），最后后跟第二个U+0027撇号字符（'）

虽然BeautifulSoup的所有解析器都会尝试解析您问题中的无效HTML，但没有一个解析器会满足您的要求：

美化组（src，“html.parser”）

美化组（src，“lxml”）

美化组（src，“html5lib”）

任何现代浏览器也不会：

Firefox

Chrome

IE 11

如果您想在单个qu中表示撇号

A small secret for better estimates #4/16/2014 8:10:30 AM
Don