python - 防止 lxml 接触 <script> 标签中的数据

Question

我正在尝试编写一个 python 脚本来修改我正在解析的文件中 <script> 标记的内容。由于它的速度，我为此使用 lxml.html(而不是 BeautifulSoup 等)。 script 标签的内容包含在注释标签(<!-- 和 -->)中:

<script>
<!--
...
-->
</script>

问题是当我尝试类似 scriptNode.text = '<!-- ... 的时候当我将 html 写回文件时，lxml 将尖括号修改为它们的 html 表示形式(< 和 >)。我尝试在字符串 ('\< ...') 中转义它们，但这似乎没有帮助。

看看大多数现代网站，似乎不需要那些评论标签。我可以删除它们，但许多脚本也在其中使用了一些 html，如果这些脚本也被修改为它们的 HTML 表示，那就是个问题。

我很惊讶 lxml 会修改这些数据，最后我听说 HTML 解析器旨在避免修改/解释 <script> 标签内的数据。

我可以使用设置/命令来防止这种情况发生吗？

谢谢

Answer 1

将它们放在 CDATA section 中.