Python中文网 - 问答频道, 解决您学习工作中的Python难题和Bug
Python常见问题
有太多的html and xml libraries built into python，很难相信没有对实际HTML解析的支持。
我已经为这个任务找到了很多优秀的第三方库，但是这个问题是关于python标准库的。
要求：
- 仅使用Python标准库组件（任何2.x版本）
- DOM支持
- 处理HTML实体（
） - 处理部分文档（例如：
Hello, <i>World</i>!）
加分：
- XPATH支持
- 处理未关闭/格式错误的标记。（
<big>does anyone here know <html ???
这是我要求的90%的解决方案。这适用于我尝试过的有限的HTML集合，但是正如每个人都清楚地看到的那样，这并不完全是健壮的。因为我盯着文档看了15分钟和一行代码，所以我想我可以向stackoverflow社区咨询类似但更好的解决方案。。。
from xml.etree.ElementTree import fromstring
DOM = fromstring("<html>%s</html>" % html.replace(' ', ' '))
Tags： and文档版本libraries标准html组件xml
热门问题
- Python要求我缩进，但当我缩进时，行就不起作用了。我该怎么办？
- Python要求所有东西都加倍
- Python要求效率
- Python要求每1分钟按ENTER键继续计划
- python要求特殊字符编码
- Python要求用户在inpu中输入特定的文本
- python要求用户输入文件名
- Python覆盆子pi GPIO Logi
- Python覆盆子Pi OpenCV和USB摄像头
- Python覆盆子Pi-GPI
- Python覆盖+Op
- Python覆盖3个以上的WAV文件
- Python覆盖Ex中的数据
- Python覆盖obj列表
- python覆盖从offset1到offset2的字节
- python覆盖以前的lin
- Python覆盖列表值
- Python覆盖到错误ord中的文件
- Python覆盖包含当前日期和时间的文件
- Python覆盖复杂性原则
热门文章
- Python覆盖写入文件
- 怎样创建一个 Python 列表？
- Python3 List append()方法使用
- 派森语言
- Python List pop()方法
- Python Django Web典型模块开发实战
- Python input() 函数
- Python3 列表(list) clear()方法
- Python游戏编程入门
- 如何创建一个空的set?
- python如何定义(创建)一个字符串
- Python标准库 [The Python Standard Library by Ex
- Python网络数据爬取及分析从入门到精通（分析篇）
- Python3 for 循环语句
- Python List insert() 方法
- Python 字典(Dictionary) update()方法
- Python编程无师自通 专业程序员的养成
- Python3 List count()方法
- Python 网络爬虫实战 [Web Crawler With Python]
- Python Cookbook（第2版）中文版
把美丽组的源代码复制到你的脚本中；-）我只是在开玩笑。。。你所能写的任何能完成这项工作的东西，或多或少都会复制类似库中已经存在的功能。
如果这真的不起作用，我不得不问，为什么只使用标准库组件如此重要？
可靠地解析HTML是一个相对现代的开发（尽管看起来很奇怪）。因此，标准库中肯定没有任何内容。HTMLParser可能看起来是一种处理HTML的方法，但事实并非如此——它在许多非常常见的HTML上都失败了，尽管您可以处理这些失败，但总会有另一个您没有想到的情况（如果您真的成功地处理了每一个失败，您将基本上重新创建BeautifulSoup）。
真正合理的解析HTML的方法只有3种（在web上可以找到）：lxml.html、BeautifulSoup和html5lib。到目前为止，lxml是速度最快的，但安装起来可能有点棘手（在App Engine这样的环境中是不可能的）。html5lib是基于HTML 5如何指定解析的；尽管在实践中与其他两个类似，但它解析断开的HTML的方式可能更“正确”（它们都解析非常好的HTML相同）。它们都在解析损坏的HTML方面做了相当出色的工作。虽然我发现它的API不必要地古怪，但BeautifulSoup可能很方便。
您的选择是更改您的需求，或者复制第三方模块开发人员所做的所有工作。
漂亮的soup由一个包含2000行代码的python文件组成，如果依赖性太大，那么继续写你自己的，它不会很好地工作，而且可能不会小很多。
相关问题 更多 >
编程相关推荐