解析HTML/XML并找到原始文档中元素的位置

Question

有没有办法获取元素在文档中的原始位置，即：在Python中解析html/xml时的开始和结束字符索引？

我查看了lxml文档，找不到任何东西。

例如。

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

...

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

Answer 1

谷歌发现this，要点其中的是：因为解析需要合成不具有任何相应的输入有效令牌很难对恶意文件。对于有效的文档是可能的，但大多数解析库不支持它。