在另一个节点中具有相同名称的XML节点

Question

我要解析的XML看起来像这样：

<root>
    <group>
        <somethingelse>
            <group></group>
        </somethingelse>
    </group>
</root>

正如可以看到，有一个<group>在另一层次结构<group> 。 用BeautifulStoneSoup解析它会将内部<group>放在外面的外面（请参见下面的示例）。

如何防止这种情况并将内部<group>保留在定义的位置？

---

码

from BeautifulSoup import BeautifulStoneSoup

xml = """
    <root>
        <group>
            <somethingelse>
                <group></group>
            </somethingelse>
        </group>
    </root>
"""

def main():
    doc = BeautifulStoneSoup(xml)
    print doc.prettify()

if __name__ == '__main__':
    main()

结果

<root>
 <group>
  <somethingelse>
  </somethingelse>
 </group>
 <group>
 </group>
</root>

Answer 1

升级到BeautifulSoup 4，然后安装lxml解析器。 这种组合可以正确处理XML：

>>> from bs4 import BeautifulSoup
>>> doc = BeautifulSoup(xml, 'xml')
>>> print doc.prettify()
<?xml version="1.0" encoding="utf-8"?>
<root>
 <group>
  <somethingelse>
   <group/>
  </somethingelse>
 </group>
</root>

使用以下命令安装两个项目：

pip install beautifulsoup4 lxml

Answer 2

您是否使用的是BeautifulSoup的最新版本？ 使用BeautifulSoup4，我设法做到了：

from bs4 import BeautifulSoup

doc = BeautifulSoup(xml, features="xml")
print doc.prettify()

结果是：

<?xml version="1.0" encoding="utf-8"?>
<root>
 <group>
  <somethingelse>
   <group/>
  </somethingelse>
 </group>
</root>