Python中的HTML解析器
时间：2020-03-05 18:55:37 来源:igfitidea点击:
通过使用Python文档，我找到了HTML解析器，但是我不知道要导入哪个库才能使用它，如何确定这一点(请记住，它在页面上没有说)。
解决方案
回答
尝试：
import HTMLParser
在Python 3.0中，HTMLParser模块已重命名为html.parser
你可以在这里检查一下
Python 3.0
import html.parser
Python 2.2及更高版本
import HTMLParser
回答
在(http://docs.python.org/2/library/htmlparser.html)的底部有一个示例的链接，它仅不适用于原始python或者python3. 正如上面所说的，它必须是python2.
回答
我们可能真的想要BeautifulSoup，请查看链接以获取示例。
但是无论如何
>>> import HTMLParser
>>> h = HTMLParser.HTMLParser()
>>> h.feed('<html></html>')
>>> h.get_starttag_text()
'<html>'
>>> h.close()
回答
我建议改用Beautiful Soup模块，它具有良好的文档说明。
回答
对于现实世界中的HTML处理，我建议使用BeautifulSoup。它很棒，消除了很多痛苦。安装容易。
回答
我们还应该查看适用于Python的html5lib，因为它试图以与网络浏览器非常相似的方式解析HTML，尤其是在处理无效的HTML(当今Web的90％以上)时。
回答
如果我们想要速度，我不建议使用BeautifulSoup。 lxml的速度要快得多，而且如果默认解析器不起作用，我们可以使用lxml的BS soupparser。
回答
我们可能对lxml感兴趣。它是一个单独的程序包，具有C组件，但速度最快。它还具有非常好的API，可让我们轻松列出HTML文档中的链接，或者列出表单，清理HTML等。它还具有解析格式不正确的HTML(可配置)的功能。
