我总结:minidom似乎不喜欢8859个命名实体;什么是合适的解决方案?
下面的代码说明了我的情况:
sample = """
<html>
<body>
<h1>Un ejemplo</h1>
<p>Me llamo Juan Fulano y Hernández.</p>
</body>
</html>
"""
sample2 = sample.replace("á", "á")
import xml.dom.minidom
dom2 = xml.dom.minidom.parseString(sample2)
dom = xml.dom.minidom.parseString(sample)
简而言之:当HTML包含“A”和类似的、表示为命名实体时,minidom会抱怨
... xml.parsers.expat.ExpatError: undefined entity ...
?是吗
用相应的文本常量替换命名实体?
使用minidom以外的解析器?哪个?
不知怎的(有编码任务?)让minidom相信这些命名实体很酷?
。
最佳答案
xml.dom.minidom
是XML解析器,而不是HTML解析器。。
尝试BeautifulSoup。