html解析库BeautifulSoup

安装：

apt  install python-bs4

pip install beautifulsoup4

下载源码：https://pypi.python.org/pypi/beautifulsoup4/  之后使用python  setup.py install安装

 

apt  install python-lxml

easy_install  lxml

pip install  lxml

 

apt  install  python-html5lib

easy_install  html5lib

pip  install  html5lib

 

解析器比较

解析器	使用方法	优势	劣势
python标准库	BeautifulSoup(markup,"html.parser")	python的内置标准库 执行速度适中 文档容错能力强	python2.7.3或者3.2.2之前的版本文档容错能力差
lxml  html解析器	BeautifulSoup(markup,"lxml")	速度快 文档容错能力强	需要安装C语言库
lxml html解析器	BeautifulSoup（markup,["lxml","xml"]） BeautifulSoup(markup,"xml")	速度快 唯一支持xml的解析器	需要安装C语言库
html5lib	BeautifulSoup（markup,"html5lib"）	最好的容错性 以浏览器的方式解析文档 生成html5格式文档	速度慢 不依赖外部扩展

来源：python爬虫开发与项目实战