Python fromstring（）->；tostring（）修改整个HTML结构

我正在尝试使用lxml.html编写一个清除例程来删除 没有内容的空DIV元素。在调试过程中，我注意到 标准的tostring（）->fromstring（）迭代修改我的HTML。 首先，它删除了外部的body标记，然后它更改了DIV结构

为什么?

（Pdb）从lxml.html导入fromstring，tostring
（Pdb）打印html
你好，世界


（Pdb）打印到字符串（从字符串（html））
你好，世界

没错。虽然您的示例是格式良好的，但它不是有效的html，因此lxml会尽力更正它。特别是div元素不能嵌套在p元素中，根标记不能是body。请改用etree模块：

from lxml.etree import fromstring, tostring

---

没错。虽然您的示例是格式良好的，但它不是有效的html，因此lxml会尽力更正它。特别是div元素不能嵌套在p元素中，根标记不能是body。请改用etree模块：

from lxml.etree import fromstring, tostring

---

在p中不正确地嵌套div是正确的，但是我正在处理大量的html片段，修改外部标记在这里不是一个选项。有没有抑制这种修改的选项？你是对的，在p中不正确地嵌套了一个div，但是我正在处理大量的html片段，修改外部标记在这里不是一个选项。是否有抑制此修改的选项？