Fatal编程技术网
  • python/
  • Python 为什么美丽的汤会改变html？

Python 为什么美丽的汤会改变html？

python html

Python 为什么美丽的汤会改变html？,python,html,beautifulsoup,Python,Html,Beautifulsoup,我有一个HTML文件。我正试着打开它，读它的内容 打开（“M_ALARM_102.HTML”，“r”）作为f： contents=f.read（） 印刷品（目录） 当我在上面的命令中打印内容时，它可以完美地打印。但当我将内容传递给BeautifulSoup并打印汤时，它会更改HTML代码 soup=BeautifulSoup（内容，html.parser） 印花（汤） 这是BeautifulSoup的输出 ÿþ<html> <head&gt

我有一个HTML文件。我正试着打开它，读它的内容

打开（“M_ALARM_102.HTML”，“r”）作为f：
contents=f.read（）
印刷品（目录）
当我在上面的命令中打印内容时，它可以完美地打印。但当我将内容传递给BeautifulSoup并打印汤时，它会更改HTML代码

soup=BeautifulSoup（内容，html.parser）
印花（汤）
这是BeautifulSoup的输出

ÿþ<html>

<head>

<meta charset="UTF-8">

<title>ARRÊT SERVOS</title>

<style type="text/css">
我不明白它为什么这样做。我需要从中提取3个标记，但它一直将
None
作为输出

有人能帮我吗？

<是this symbol。İt用于通过XSS（跨站点脚本）攻击保护网站的安全。

可能是BeautifulSoup使用的解析器没有将该文件识别为html

我在输出中看到两个“奇怪”字符：
ÿþ
。它们看起来像是将BOM（）添加到文件中的东西，而解析器期望有效的utf-8。
很有可能这就是问题所在

解决BOM问题的一种方法是在记事本中打开该文件，并将其另存为UTF-8。记事本很擅长做这种事情

您还可以通过在python中以utf-16的形式打开文件来修复它，使用
并将open（“M\u ALARM\u 102.HTML”，“r”，encoding=“utf-16”）作为f:
。注意，这里您可以直接指定编码（请参阅）

请注意，我个人并没有尝试后一种方法，所以我不确定它是否真的会删除BOM——最好的选择仍然是在您的工作流程中根本不引入它。

好的。但是当我打印
soup.h1
时，它返回空。我如何解决这个问题？因为当开发者使用<和>时< h1>不是HTML标记，它只是一个文本。谢谢@rob，这两个解决方案都有效。当我在记事本中打开文件时，我认为奇怪的字符是一个问题，没有任何奇怪的字符，尽管我将其保存为向导，并且它像魔术一样工作。