如何阻止BeautifulSoup的prettify()方法修改XML的有效空白以避免改变文件语义

我完全懂你遇到的这个闹心问题——当你用BeautifulSoup处理带有xml:space="preserve"属性的XML（比如你示例里的SVG文件）时，prettify()方法根本不把这个属性当回事，直接修改那些关键的有效空白，把原本的文本排版全搞乱了。

带有有效空白的示例XML文件 #

<svg viewBox="0 0 160 50" xmlns="http://www.w3.org/2000/svg">
  <text y="20" xml:space="default">    Default    spacing</text>
  <text y="40" xml:space="preserve">    <tspan>reserved    spacing</tspan></text>
</svg>

复现问题的测试代码 #

from bs4 import BeautifulSoup

xml_string_with_significant_whitespace ='''
<svg viewBox="0 0 160 50" xmlns="http://www.w3.org/2000/svg">
  <text y="20" xml:space="default">    Default    spacing</text>
  <text y="40" xml:space="preserve">    <tspan>reserved    spacing</tspan></text>
</svg>
'''
soup = BeautifulSoup(xml_string_with_significant_whitespace, "xml")

# no modifications made

print(soup.prettify())  # modifies significant whitespace
# print(str(soup)) # doesn't modify significant whitespace

prettify()的输出（空白已被修改） #

<svg viewBox="0 0 160 50" xmlns="http://www.w3.org/2000/svg">
 <text xml:space="default" y="20">
  Default    spacing
 </text>
 <text xml:space="preserve" y="40">
  <tspan>
   reserved    spacing
  </tspan>
 </text>
</svg>

你能明显看到，prettify()不仅给所有标签加了统一缩进，还把<text>和<tspan>内部的原始空白重新调整了——放到SVG里渲染的话，文本的位置和间距完全不符合预期。

解决办法 #

prettify()的设计初衷是为了统一美化输出的可读性，它本身就会忽略xml:space这类语义化的空白控制属性。如果你想既保留XML的语义，又能得到合适的输出，可以用这两种方案：

1. 直接使用str(soup)输出（最简单）
   正如你代码里注释的那样，直接将BeautifulSoup对象转为字符串，不会对任何有效空白做修改：

   print(str(soup))
   

   这种方式的好处是完全保留原始语义，缺点是输出没有缩进，可读性稍弱，但对于需要严格保留空白的场景来说是最稳妥的。

2. 自定义格式化函数（兼顾可读性和语义）
   如果你既想要缩进美化的输出，又要严格尊重xml:space="preserve"的规则，可以自己写一个遍历处理函数，只对不需要保留空白的元素做缩进：

   def prettify_respect_xml_space(soup, indent="  ", level=0):
       output = []
       current_indent = indent * level
       for content in soup.contents:
           if isinstance(content, str):
               # 直接保留文本节点的原始空白
               output.append(content)
               continue
           # 处理标签元素
           tag_start = f"{current_indent}<{content.name}" if level != 0 else f"<{content.name}"
           # 处理标签属性
           if content.attrs:
               attrs_str = " ".join([f'{key}="{value}"' for key, value in content.attrs.items()])
               tag_start += f" {attrs_str}>"
           else:
               tag_start += ">"
           output.append(tag_start)
           
           # 判断是否需要保留内部空白
           preserve_space = content.get("xml:space") == "preserve"
           if content.contents:
               if preserve_space:
                   # 保留内部所有原始内容，不做缩进
                   output.append("".join(str(c) for c in content.contents))
               else:
                   # 递归处理子元素，增加缩进层级
                   output.append("\n")
                   output.append(prettify_respect_xml_space(content, indent, level + 1))
                   output.append(f"\n{current_indent}")
           
           # 闭合标签
           output.append(f"</{content.name}>")
           # 标签间换行
           if content.next_sibling is not None:
               output.append("\n")
       return "".join(output).strip()
   
   

print(prettify_respect_xml_space(soup))

这个函数会检查每个元素的`xml:space`属性，对标记为`preserve`的元素直接保留内部原始空白，其他元素则正常添加缩进，完美兼顾了可读性和语义准确性。

备注：内容来源于stack exchange，提问作者elechris