我需要制作一个网络爬虫来从网页中提取信息。经过调查,我发现Beautiful Soup非常出色,因为我可以解析所有文档并创建dom对象和迭代,提取属性等(类似于JQuery)。
但是我正在使用Python 3.2,而没有稳定的版本可用(我认为它们的主页上只有3.1)。
因此,我需要一些同样好的替代方案。
但是我正在使用Python 3.2,而没有稳定的版本可用(我认为它们的主页上只有3.1)。
因此,我需要一些同样好的替代方案。
我看到几乎一年前发布了一个版本号为3.2.0的漂亮汤。另外还有HTMLParser http://docs.python.org/library/htmlparser.html
与BeautifulSoup最直接且最好的替代方案是Mechanize。
如果您需要自动化简单的网页功能,例如提交表单(包括预先没有的信息,如CSRF令牌),那么Mechanize是您的救星。它甚至可以在多种编程语言中使用!
话虽如此,Sven的答案是正确的:当我只需要从HTML中提取信息时,我喜欢lxml。