美丽的汤未能解析此 HTML

Question

我们使用Beautiful Soup成功解析了许多网站，但有一些网站出现了问题。 一个例子是这个页面：

我们正在为美丽的汤提供确切的来源，但它返回一个矮小的 HTML 字符串，尽管没有错误......

代码：

soup = BeautifulSoup(site_html)
print str(soup.html)

结果：

<html class="no-js" lang="en"> <!--&lt;![endif]--> </html>

我试图确定是什么让它绊倒了，但是看着 html 源代码，我没有任何反应。 有没有人有一些见解？

Answer 1

尝试不同的解析器，页面使用html5lib解析器解析得很好：

>>> soup = BeautifulSoup(r.content, 'html5')
>>> len(soup.find_all('li'))
97

并非所有解析器都可以相同地处理损坏的 HTML。