本文探讨了Python中用于HTML解析的几个库，包括lxml、Python自带的HTML parser、lxml的HTML和XML解析器以及html5lib。通过对比它们的使用语法、优点和缺点，如lxml的高速和良好的兼容性，html5lib的出色兼容性和创建有效HTML5的能力，以及各个解析器对Python不同版本的支持情况。
BeautifulSoup号称Python中最受欢迎的HTML解析库之一，但是这并不是唯一的选择。
解析库
lxml
这个库可以用来解析HTML和XML文档，以非常底层的实现而闻名，大部分源码都是C语言写的，虽然学习这东西要花一定的时间，但是它的处理速度非常快。
HTML parser
这是python自带的解析库，所以很方便。
解析器
其实上面提到的那些库，都可以作为BeautifulSoup的解析库，下面对各种html解析器的优缺点做一下对比：
Python’s html.parser
使用语法
BeautifulSoup(markup,"html.parser") 优点
python自身带有
速度比较快
能较好兼容 (as of Python 2.7.3 and 3.2.)
缺点
不能很好地兼容(before Python 2.7.3 or 3.2.2)
lxml’s HTML parser
使用语法
BeautifulSoup(ma
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
