BeautifulSoup：'lxml' 和 'html.parser' 和 'html5lib' 解析器有什么区别？

Question

使用 Beautiful Soup 时，“lxml”和“html.parser”和“html5lib”有什么区别？

你什么时候会使用一个而不是另一个以及每个的好处？ 当我使用它们时，它们似乎可以互换，但这里的人纠正我，我应该使用不同的。 我想加强我的理解； 我已经在这里阅读了几篇关于此的帖子，但他们根本没有过多地讨论用途。

示例：

soup = BeautifulSoup(response.text, 'lxml')

Answer 1

从文档的优点和缺点汇总表：

1. html.parser - BeautifulSoup(markup, "html.parser")

   • 优点：包括电池，速度不错，宽松（从 Python 2.7.3 和 3.2 开始。）

   • 缺点：不是很宽容（在 Python 2.7.3 或 3.2.2 之前）

2. lxml - BeautifulSoup(markup, "lxml")

   • 优点：非常快，宽大

   • 缺点：外部 C 依赖

3. html5lib - BeautifulSoup(markup, "html5lib")

   • 优点：极其宽松，以与 Web 浏览器相同的方式解析页面，创建有效的 HTML5

   • 缺点：非常慢，外部 Python 依赖

Answer 2

BeautifulSoup 文档中突出显示了主要区别：

• 解析器之间的差异

为什么您更喜欢一个解析器而不是其他解析器的基本推理：

• html.parser - 内置 -不需要额外的依赖
• html5lib -最宽松的- 如果 HTML 损坏，最好使用它
• lxml -最快的