python – 在beautifulsoup的上下文中lxml和html5lib之间的区别
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 在beautifulsoup的上下文中lxml和html5lib之间的区别,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含933字,纯文字阅读大概需要2分钟。
内容图文
![python – 在beautifulsoup的上下文中lxml和html5lib之间的区别](/upload/InfoBanner/zyjiaocheng/803/245dc66510b3443c94e67b2f51aefe75.jpg)
在beautifulsoup的上下文中,lxml和html5lib解析器的功能有区别吗?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']
我开始使用lxml作为解析器,但注意到对于某些网站,即使页面中有有效链接,也永远不会输入for循环.同一页面适用于html5ib解析器.是否有任何特定类型的页面可能无法与lxml一起使用?
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,正在正确解析同一页面.有问题的网站是www.olivegarden.com
解决方法:
html5lib使用HTML规范中定义的HTML parsing algorithm,并在所有主流浏览器中实现. lxml使用libxml2的HTML解析器 – 这最终基于他们的XML解析器,并且不会对其他地方使用的无效HTML进行任何错误处理.
大多数Web开发人员只使用Web浏览器进行测试 – 标准被诅咒 – 所以如果您想获得页面作者的意图,您可能需要使用类似于当前浏览器的html5lib,
内容总结
以上是互联网集市为您收集整理的python – 在beautifulsoup的上下文中lxml和html5lib之间的区别全部内容,希望文章能够帮你解决python – 在beautifulsoup的上下文中lxml和html5lib之间的区别所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。