BeautifulSoup -- 防止标签自动关闭

Question

BeautifulSoup 在解析以下代码时感到窒息：

>>> soup = BeautifulSoup('<img src="#" alt="Click Here >" border="0" />')
>>> soup.prettify()
'<img src="#" alt="Click Here &gt;" />\n" border="0" />\n'

我还应该注意，我无法控制输入 html。文本/属性有许多不同的变体，因此我想避免使用正则表达式。

任何人都可以建议阻止 BeautifulSoup 在遇到“>”时自动关闭 img 标签。象征？

编辑1：我在文档中找到了这个。我可以控制 BeautifulSoup 如何解析 IMG 标签吗？

编辑2：我解决了我的问题。在我打电话给 BS 之前，我做了一个文本替换

text.replace('>"','>"')

Answer 1

BeautifulSoup4 已更新为上下文感知，并已解决此问题。如果您更新到 BeautifulSoup4 的最新版本，它将忽略用引号引起来的 > 标记。

soup = BeautifulSoup('<img src="#" alt="Click Here >" border="0" />')
print(soup.img.attrs)
# {'src': '#', 'alt': 'Click Here >', 'border': '0'}
soup.prettify()
# '<img src="#" alt="Click Here >" />\n" border="0" />\n'

该示例显示 alt 属性正确具有 > 字符，并且 border 属性已被识别。