html解析库BeautifulSoup

最新推荐文章于 2025-05-15 08:55:30 发布

原创最新推荐文章于 2025-05-15 08:55:30 发布 · 101 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#html #beautifulsoup

日常记录专栏收录该内容

58 篇文章

订阅专栏

本文详细介绍了Python中用于网页解析的BeautifulSoup库的安装步骤，包括python-bs4、lxml和html5lib等解析器。通过比较它们的速度、容错能力和依赖性，帮助读者选择合适的解析器。lxml提供了更快的速度和强大的容错能力，但需要安装C语言库；html5lib则以最佳的容错性著称，但解析速度较慢。

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