V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
omg21
V2EX  ›  Python

能不能不让 BS4 重新排序?

  •  
  •   omg21 · 2016-11-25 22:51:48 +08:00 · 1535 次点击
    这是一个创建于 2919 天前的主题,其中的信息可能已经有所发展或是发生改变。
    我发现 BS4 处理代码时会改变属性的顺序,
    <td height="250" class="infodetail" id="TDContent" valign="top">
    上边这行代码经过 BeautifulSoup(htmlstr,'html.parser')处理后会变成
    <td class="infodetail" height="250" id="TDContent" valign="top">
    很显然,这是根据标签属性的顺序进行了重新排序,有什么方法能不能取消这种排序吗?

    (我因为装了几次 lxml 都不成功,所以还是在用 html.parser)
    10 条回复    2016-11-26 11:51:37 +08:00
    Ginson
        1
    Ginson  
       2016-11-25 23:00:57 +08:00
    排序的问题我不知道怎么解决,但是我刚刚在一 V 友指点下成功安装 lxml ,这点可以分享给你
    秘诀就是……把这几个库装全: python-dev libxml2 libxml2-dev libxslt-dev gcc make
    Ginson
        2
    Ginson  
       2016-11-25 23:04:07 +08:00
    同时我还帮你测试了下, lxml 不会重新排序标签属性
    ![lxml]( )
    omg21
        3
    omg21  
    OP
       2016-11-25 23:05:51 +08:00
    @Ginson 好的,我先试试,谢谢
    mingyun
        4
    mingyun  
       2016-11-25 23:23:40 +08:00
    我用 python3 执行 没出现楼主的情况
    omg21
        5
    omg21  
    OP
       2016-11-25 23:35:59 +08:00
    @mingyun 我是 python34
    omg21
        6
    omg21  
    OP
       2016-11-25 23:37:13 +08:00
    @Ginson 不行啊,装了 lxml 后,仍然会重新排序,而且还把<html><body>给加了上。。。
    omg21
        7
    omg21  
    OP
       2016-11-25 23:39:01 +08:00
    @Ginson 哦,我细看了下你的代码,最后一行,你打印的是 a ,难道不应该是 str(s)吗?
    Ginson
        8
    Ginson  
       2016-11-26 00:07:13 +08:00
    @omg21 对哦,我智障了
    试了打印 s ,果然还是会按字母顺序给属性排序,同时加上 html 和 body
    huangfs
        9
    huangfs  
       2016-11-26 11:06:43 +08:00
    这会影响什么嘛?
    omg21
        10
    omg21  
    OP
       2016-11-26 11:51:37 +08:00
    @huangfs 容易造成混乱,如果没有重新排序,在原代码里手动也能搜到,重新排序后就搜不到了。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   994 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 22:44 · PVG 06:44 · LAX 14:44 · JFK 17:44
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.