如何使用lxml etree打印完整HTML标签字符串而非仅标签名

解决方法 #

要输出完整的标签内容（含子节点和内部文本），使用lxml自带的etree.tostring()方法序列化节点即可，修改后的代码如下：

from bs4 import BeautifulSoup
from lxml import etree

doc = "<p><a></a><a></a>Printable Text"
soup = BeautifulSoup(doc, "lxml")
root = etree.fromstring(str(soup))

tree = etree.ElementTree(root)
for e in tree.iter():
    # 替换原有的e.tag打印逻辑
    print(etree.tostring(e, encoding='utf-8').decode('utf-8'))
    print("--------------")

代码说明 #

• etree.tostring()会完整序列化当前节点的标签属性、所有子节点、内部文本，完全匹配你需要的输出格式
• 显式指定encoding='utf-8'避免特殊字符乱码，再通过decode方法把返回的字节对象转为普通字符串，不会出现字节前缀b
  运行上述代码即可得到你预期的输出结果。

内容的提问来源于stack exchange，提问作者Andu Gundu Swami