BeautifulSoup：'lxml'、'html.parser'和'html5lib'解析器有什么区别？

Question

当使用Beautiful Soup时，“lxml”、“html.parser”和“html5lib”之间有什么区别？你什么时候会使用其中一个，并且每个的优点是什么？当我使用它们时，它们似乎可以互换使用，但这里的人们纠正我应该使用不同的。我想加强我的理解；我在这里读了几篇文章，但它们没有很好地讲述使用方法。例子：

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

- duc hathaway

Answer 1

根据文档的优缺点总结表：

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

   • 优点：自带工具，速度快，宽容（在 Python 2.7.3 和 3.2 版本之后）

   • 缺点：不太宽容（在 Python 2.7.3 或 3.2.2 之前）

2. lxml - BeautifulSoup(markup, "lxml")

   • 优点：速度非常快，宽容

   • 缺点：需要外部 C 依赖

3. html5lib - BeautifulSoup(markup, "html5lib")

   • 优点：非常宽容，解析页面类似于 web 浏览器，生成有效的 HTML5

   • 缺点：非常缓慢，需要外部 Python 依赖

- Vinícius Figueiredo

Answer 2

这些差异在BeautifulSoup文档中得到了突出:

• 解析器之间的区别

为什么你会更喜欢某个解析器而不是其他的基本原因:

• html.parser- 内置 - 不需要额外的依赖
• html5lib - 最宽容 - 如果HTML代码有问题，建议使用它
• lxml - 最快速

- alecxe

---

谢谢 - html5lib（作为破碎HTML的解析器）刚刚拯救了我。 - kd88