空元素错误与美丽的汤

Question

我正在使用Beautiful Soup解析xml文件，但是在解析空元素时发现不一致的行为。 即

from BeautifulSoup import BeautifulSoup
s1 = "<c><a /><b /></c>"
s2 = "<c><a></a><b></b></c>"
soup1 = BeautifulSoup(s1)
soup2 = BeautifulSoup(s2)
print soup1
# <c><a><b></b></a></c>
print soup2
# <c><a></a><b></b></c>

需要注意的是b标签内a在第一种情况下的标签，但不是在第二位。 我以为XML规范意味着s1和s2是等效的？

关于我该如何处理呢？

Answer 1

锚点和粗体（ <a> ， <b> ）元素不能自动关闭，因此这是无效的XHTML。

最重要的是， XHTML规范说，必须在斜杠前加一个空格：

在空元素的末尾/和>之前加一个空格，例如<br />，<hr />和<img src =“ karen.jpg” alt =“ Karen” />。 另外，对空元素使用最小化标签语法，例如<br />，因为XML允许的替代语法<br> </br>在许多现有用户代理中给出不确定的结果。