从xml获取标记名称

Question

我有这样的结构文件：

<pwACL>
The gateway only supports upto 10 rules.
</pwACL>

<cmn53>
Batch Number
</cmn53>

我想在标签之间获取标签名称和数据。我尝试使用BeatifulSoup HTMLParser库，但它会自动将标记名称转换为小写。我发现有可能使用html5lib创建树与beatifulsoup树构建器，如下所示：

parser = html5lib.HTMLParser(tree=treebuilders.getTreeBuilder("beatifulsoup"))

但似乎html5lib不再支持beatifulsoup了。还有其他办法吗？

Answer 1

在BeautisulSoup documentation - Other parsers problems中提及：

  

因为HTML标记和属性不区分大小写，所以三个HTML   解析器将标记和属性名称转换为小写。那就是   标记<TAG></TAG>将转换为<tag></tag>。如果你想   保留混合大小写或大写标签和属性，您需要   将文档解析为XML。

Parsing XML：

  

默认情况下，Beautiful Soup将文档解析为HTML。解析一个   将文档作为XML，传入“xml”作为第二个参数   BeautifulSoup构造函数：

soup = BeautifulSoup(markup, "xml")

     

您需要have lxml installed。

>>> markup = '''<pwACL>
... The gateway only supports upto 10 rules.
... </pwACL>'''
>>> soup = BeautifulSoup(markup, 'xml')
>>> soup.find_all()
[<pwACL>\nThe gateway only supports upto 10 rules.\n</pwACL>]