Разобрать HTML / XML и найти расположение элементов в оригинальном документе

Question

Есть ли способ получить исходное местоположение элемента в документе, т.е.индекс начала и конца символа при разборе html / xml в Python?

Я просмотрел документацию по lxml и ничего не смог найти.

например.

<a>1</a><b>2</b>

...

print tree.find('b').original_position
# result: (9, 16)

Answer 1

Google нашел это , суть которого такова: трудно искаженным документам, потому что при синтаксическом анализе требуется синтезировать действительные токены, которые не имеют соответствующего ввода. Это возможно для действительных документов, но большинство библиотек синтаксического анализа не поддерживают его.