Beautiful Soup解析器比较
·Beautiful Soup支持各种html解析器,包括python自带的标准库,还有其他的许多第三方库模块。其中一个就是lxml parser,至于lxml parser的安装,可以通过以下方法安装:
1)easy_install lxml 2)pip install lxml
另外,python对于模块的安装,可以查看博客说明,分为两种:easy_install 和 pip.
另外一种纯python解析器为html5lib解析器,可以像web浏览器那样解析html页面,你可以通过下面两种方式安装html5lib:
1)easy_install html5lib 2)pip install html5lib
下面对各种html解析器的优缺点做一下对比:
解析器 | 使用方法 | 优点 | 缺点 |
---|---|---|---|
Python’s html.parser | BeautifulSoup(markup,"html.parser") |
| 不能很好地兼容(before Python 2.7.3 or 3.2.2) |
lxml’s HTML parser | BeautifulSoup(markup,"lxml") |
| External C dependency |
lxml’s XML parser | BeautifulSoup(markup, "lxml-xml") BeautifulSoup(markup,"xml") | 速度很快
| External C dependency |
html5lib | BeautifulSoup(markup, "html5lib") | 1)兼容性很好 2)可以像web浏览器一样解析html页面 3) Creates valid HTML5 |
|
如果你想追求速度的话,建议使用 lxml,如果你使用的python版本2.x是2.7.3之前的版本,或者python3.x的是3.2.2之前的版本,你很有必要安装使用 html5lib或lxml使用,因为python内建的html解析器不能很好地适应于这些老版本。