BeautifulSoup：“lxml”、“html.parser”和“html5lib”解析器有啥区别？

Posted 2023-02-23

【中文标题】BeautifulSoup：“lxml”、“html.parser”和“html5lib”解析器有啥区别？

【英文标题】：BeautifulSoup: what's the difference between 'lxml' and 'html.parser' and 'html5lib' parsers?BeautifulSoup：“lxml”、“html.parser”和“html5lib”解析器有什么区别？

【发布时间】：2018-01-11 15:59:43

【问题描述】：

使用 Beautiful Soup 时，'lxml' 和 "html.parser" 和 "html5lib" 有什么区别？

您何时会使用其中一种以及每种方法的好处？当我使用它们时，它们似乎可以互换，但这里的人纠正我应该使用不同的。我想加强我的理解；我在这里阅读了几篇关于此的帖子，但他们根本没有过多地讨论用途。

例子：

soup = BeautifulSoup(response.text, 'lxml')

【参考方案1】：

BeautifulSoup 文档中突出显示了主要区别：

Differences between parsers

您更喜欢一个解析器而不是其他解析器的基本原因：

html.parser- 内置 - 不需要额外的依赖项 html5lib - 最宽松的 - 如果 HTML 坏了最好使用它 lxml - 最快的

【讨论】：

谢谢 - html5lib（作为损坏 HTML 的解析器）刚刚保存了我的培根

【参考方案2】：

来自docs的优缺点汇总表：

html.parser - BeautifulSoup(markup, "html.parser")

优点：包括电池、速度不错、Lenient（从 Python 2.7.3 和 3.2 开始。）

缺点：不是很宽松（在 Python 2.7.3 或 3.2.2 之前）

lxml - BeautifulSoup(markup, "lxml")

优点：非常快，宽大

缺点：外部 C 依赖

html5lib - BeautifulSoup(markup, "html5lib")

优点：非常宽松，解析页面的方式与网络浏览器相同，创建有效的 HTML5

缺点：非常慢，外部 Python 依赖