使用lxml的html.tostring保留HTML布尔属性值的方法咨询

确实，lxml的HTML序列化器默认遵循HTML规范，会将值与属性名相同的布尔属性简化为无值形式（比如noresize代替noresize="noresize"），哪怕解析后attrib字典里还保留着原始值。要保留原始的属性值，有两种可行的方法：

方法1：使用XML模式序列化 #

如果你能接受XML风格的输出（比如自闭合标签），可以在调用html.tostring时指定method='xml'参数，这会强制保留所有属性的键值对：

from lxml import html
html_frag = "<iframe src=\"https://src.com/link\" width=\"300\" height=\"300\" scrolling=\"no\" noresize=\"noresize\"></iframe>"
html_tree = html.fragments_fromstring(html_frag, parser=html.HTMLParser())
html_str = ""
for element in html_tree:
    print(element.attrib)
    # 添加method='xml'参数强制保留属性值
    html_str += html.tostring(element, encoding=str, method='xml')
print(html_str)

运行结果：

{'src': 'https://src.com/link', 'width': '300', 'height': '300', 'scrolling': 'no', 'noresize': 'noresize'}
<iframe src="https://src.com/link" width="300" height="300" scrolling="no" noresize="noresize"/>

注意：这种方式会把原来的<iframe></iframe>变成自闭合的<iframe/>，如果需要保持原来的双标签结构，可以用第二种方法。

方法2：自定义序列化逻辑 #

如果要严格保持原始的HTML标签结构，同时保留属性值，可以手动构建HTML字符串，完全控制每个标签和属性的输出形式：

from lxml import html

def serialize_element(element):
    # 遍历属性，逐个拼接成key="value"的格式
    attrs = ' '.join([f'{key}="{value}"' for key, value in element.attrib.items()])
    # 处理无内容的标签，保持双标签闭合形式
    if len(element) == 0 and not element.text:
        return f'<{element.tag} {attrs}></{element.tag}>'
    # 处理有子元素/文本内容的标签（示例中iframe无内容，此分支可按需扩展）
    start_tag = f'<{element.tag} {attrs}>'
    end_tag = f'</{element.tag}>'
    content = element.text or ''
    for child in element:
        content += serialize_element(child)
        content += child.tail or ''
    return start_tag + content + end_tag

html_frag = "<iframe src=\"https://src.com/link\" width=\"300\" height=\"300\" scrolling=\"no\" noresize=\"noresize\"></iframe>"
html_tree = html.fragments_fromstring(html_frag, parser=html.HTMLParser())
html_str = ""
for element in html_tree:
    print(element.attrib)
    html_str += serialize_element(element)
print(html_str)

运行结果完全符合你的预期：

{'src': 'https://src.com/link', 'width': '300', 'height': '300', 'scrolling': 'no', 'noresize': 'noresize'}
<iframe src="https://src.com/link" width="300" height="300" scrolling="no" noresize="noresize"></iframe>

这个方法适合需要精准匹配原始HTML结构的场景，完全自定义了序列化流程。

内容的提问来源于stack exchange，提问作者user3501283