html5lib python_关于python：Beautifulsoup上下文中lxml和html5lib之间的差异

在beautifulsoup中，lxml和html5lib解析器的功能之间是否有区别？ 我正在尝试学习使用BS4并使用以下代码构造-

ret = requests.get('http://www.olivegarden.com')

soup = BeautifulSoup(ret.text, 'html5lib')

for item in soup.find_all('a'):

print item['href']

我最初使用lxml作为解析器，但注意到对于某些网站，即使页面中存在有效链接，也永远不会输入for循环。 相同页面适用于html5ib解析器。 是否有某些特定类型的页面可能不适用于lxml？

我在Ubuntu上使用python-lxml 2.3.2-1和libxml2 2.7.8.dfsg-5.1ubunt

和html5lib-1.0b3

编辑：我更新到lxml 3.1.2，仍然看到相同的问题。 在运行3.0.x的Mac上，同一页面已正确解析。 有问题的网站是www.olivegarden.com

您可以在lxml中使用html5lib解析和BeautifulSoup解析器。 参见lxml.de/elementsoup.html和lxml.de/html5parser.html

html5lib使用HTML规范中定义的以及在所有主要浏览器中实现的HTML解析算法。 lxml使用libxml2的HTML解析器-最终基于它们的XML解析器，对于在其他任何地方使用的无效HTML不会进行任何错误处理。

大多数网络开发人员仅使用网络浏览器进行测试-该死的标准-因此，如果您想获得页面作者的意图，则可能需要使用与当前浏览器匹配的html5lib之类的东西，