python解析HTML的工具总结

本文回顾了作者在HTML解析方面的经验,从使用正则表达式到beautifulsoup等工具,并指出了它们的局限性。最终作者转向使用Xpath进行更高效的数据提取,并推荐了几款基于libxml2的优秀解析库如lxml和elementtree。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

做HTML解析工作也有好多次了,每次总是面临着选择不同工具的困惑。刚刚开始时正则表达式,之后用beautifulsoup,还用过python自带的htmlparser,sgmlparser。在前几篇博客中还提到了其自身的一些bug.

 http://john2007.iteye.com/blog/559840

做数据提取的时候,越来越感觉到美丽的汤功能的有限,最终还是选择了Xpath。在用xpath做HTML解析的库,也是比较多的。

 

现在回首总结一下,推荐用lxml, elementtree,libxml2.

Both lxml and Scrapy Selectors are built over the libxml2 library.

 

不知各位同仁还有什么好的工具交流一下。在下就抛砖引玉,静候佳音了。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值