使用Beautiful Soup 4解析不平衡的HTML文件

2024-05-07 05:12:39 发布

您现在位置：Python中文网/ 问答频道 /正文
8252 3

我正在分析部分不带平衡html标记的html文件。在

假设这个部分html文件中缺少第一行。我还可以解析其余的文件吗？在

非常感谢你的帮助。在

Example Domain</title>   <!-- <====missing tag in this line -->

<meta charset="utf-8" />
<meta http-equiv="Content-type" content="text/html; charset=utf-8" />
<meta name="viewport" content="width=device-width, initial-scale=1" />
<style type="text/css">
body {
    background-color: #f0f0f2;
    margin: 0;
    padding: 0;
    font-family: "Open Sans", "Helvetica Neue", Helvetica, Arial, sans-serif;

}
div {
    width: 600px;
    margin: 5em auto;
    padding: 50px;
    background-color: #fff;
    border-radius: 1em;
}
a:link, a:visited {
    color: #38488f;
    text-decoration: none;
}
@media (max-width: 700px) {
    body {
        background-color: #fff;
    }
    div {
        width: auto;
        margin: 0 auto;
        border-radius: 0;
        padding: 1em;
    }
}
</style>

Tags： 文件textmarginautostylehtmltypecontent
1条回答
网友
1楼 · 发布于 2024-05-07 05:12:39

使用任何高级解析器（html5lib更健壮，但速度较慢）。结果会有所不同：

soup = BeautifulSoup(open('foo.html'), 'lxml')
#<html><body><p>Example Domain   <!  <====missing tag in this line  >
#<meta charset="utf-8"/>

soup = BeautifulSoup(open('foo.html'), 'html5lib')
#<html><head></head><body>Example Domain   <!  <====missing tag in this line  >
#
#<meta charset="utf-8"/>

相关问题 更多 >

    编程相关推荐