如何阻止BeautifulSoup解析HTML时打乱标签属性顺序？

默认情况下，BeautifulSoup使用Python标准库的html.parser解析器时，会对标签属性进行重新排序（比如按字母顺序），这是因为该解析器内部以无序结构存储属性。如果需要保留原始HTML的属性顺序以支持字符级匹配，可以通过以下两种方式解决：

方法一：使用html5lib解析器 #

html5lib解析器会严格保留HTML原始的属性顺序和结构，只需先安装该库，再修改解析器参数即可：

1. 安装依赖：

pip install html5lib

2. 修改代码：

from bs4 import BeautifulSoup

tags = BeautifulSoup('<span id="100" class="test"></span>', "html5lib")
print(str(tags))

执行后输出将与原始输入一致：

<span id="100" class="test"></span>

方法二：自定义属性存储顺序（进阶） #

如果不想额外安装依赖，可以通过修改BeautifulSoup的属性存储方式，使用有序字典来保留属性顺序。需要自定义一个继承自BeautifulSoup的类，重写__init__方法：

from bs4 import BeautifulSoup
from collections import OrderedDict

class OrderedBeautifulSoup(BeautifulSoup):
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        # 让标签使用OrderedDict存储属性
        self.builder.defaults['attrs'] = OrderedDict

# 使用自定义类解析
tags = OrderedBeautifulSoup('<span id="100" class="test"></span>', "html.parser")
print(str(tags))

注意：这种方法仅对Python 3.7以下版本（字典无序）有效，Python 3.7+字典本身已支持插入顺序，但html.parser仍可能会调整属性顺序，因此更推荐第一种方法。

内容的提问来源于stack exchange，提问作者Minions