如何阻止BeautifulSoup移除字符串开头的空格？

问题核心：使用lxml解析器时，即使设置getText(strip=False)，开头空格仍会被移除，这是lxml解析器的默认空白规范化行为导致的，和strip参数无关。

解决方案1：换用Python标准库解析器 #

将解析器从lxml换成html.parser，它不会自动规范化开头空白：

from bs4 import BeautifulSoup
sample = " Test"
soup = BeautifulSoup(sample, features="html.parser")
[s.extract() for s in soup(["style", "script", "[document]", "head", "title"])]
print(soup.getText(strip=False))  # 输出：" Test"

解决方案2：用<pre>标签包裹文本（保留lxml解析器） #

如果必须使用lxml，手动给文本套上<pre>标签，强制解析器保留所有空白格式：

from bs4 import BeautifulSoup
sample = " Test"
soup = BeautifulSoup(f"<pre>{sample}</pre>", features="lxml")
[s.extract() for s in soup(["style", "script", "[document]", "head", "title"])]
print(soup.getText(strip=False))  # 输出：" Test"

原因说明 #

lxml解析器严格遵循HTML规范，会自动折叠文本节点的连续空白（包括开头的单个或多个空格），而strip=False仅控制getText方法是否去除结果的首尾空白，无法干预解析器对原始文本的预处理。html.parser在处理裸文本输入时不会执行这种空白规范化，而<pre>标签的语义就是保留原始空白格式，因此能绕过lxml的自动处理。

内容的提问来源于stack exchange，提问作者bbernicker