¿Puedo cambiar el comportamiento de BeautifulSoup con respecto a la conversión de etiquetas XML en minúsculas?

Question

Estoy trabajando en código para analizar un archivo de configuración escrito en XML, donde las etiquetas XML son mayúsculas y minúsculas, y el caso es significativo. Hermosa sopa parece convertir las etiquetas XML a minúsculas de forma predeterminada, y me gustaría cambiar este comportamiento.

No soy el primero en hacer una pregunta sobre este tema [véase aquí ]. Sin embargo, yo no entendía la respuesta a esa pregunta y en BeautifulSoup-3.1.0.1 BeautifulSoup.py no parece contener cualquier caso de "encodedName" o "Tag.__str__"

Answer 1

De acuerdo con Leonard Richardson, creador | mantenedor de sopa Hermosa, que puede' t .

Answer 2

import html5lib
from html5lib import treebuilders

f = open("mydocument.html")
parser = html5lib.XMLParser(tree=treebuilders.getTreeBuilder("beautifulsoup"))
document = parser.parse(f)

'documento' es ahora un árbol BeautifulSoup similar, pero conserva los casos de las etiquetas. Ver html5lib para la documentación y la instalación.

Answer 3

Es mucho mejor usar lxml . Es mucho, mucho más rápido que BeautifulSoup. Tiene una API de compatibilidad para BeautifulSoup también si usted no quiere aprender la API lxml.

Ian Blicking está de acuerdo .

No hay razón para usar BeautifulSoup más, a menos que esté en Google App Engine o algo donde todo lo que no puramente no está permitido Python.

Es más adecuado para XML también.

Answer 4

sólo tiene que utilizar un analizador propper XML en lugar de eso es un lib realizados para hacer frente a archivos en mal estado

i sugest a sólo echar un vistazo a xml.etree o lxml