空元素錯誤與美麗的湯

Question

我正在使用Beautiful Soup解析xml文件，但是在解析空元素時發現不一致的行為。 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標簽內a在第一種情況下的標簽，但不是在第二位。 我以為XML規范意味着s1和s2是等效的？

關於我該如何處理呢？

Answer 1

錨點和粗體（ <a> ， <b> ）元素不能自動關閉，因此這是無效的XHTML。

最重要的是， XHTML規范說，必須在斜杠前加一個空格：

在空元素的末尾/和>之前加一個空格，例如<br />，<hr />和<img src =“ karen.jpg” alt =“ Karen” />。 另外，對空元素使用最小化標簽語法，例如<br />，因為XML允許的替代語法<br> </br>在許多現有用戶代理中給出不確定的結果。