與僅使用lxml相比，使用Beautiful Soup解析XML有什么好處嗎？

Question

我經常使用Beautiful Soup解析HTML文件，因此當我最近需要解析XML文件時，我選擇使用它。 但是，由於我正在解析一個非常大的文件，因此失敗了。 在研究失敗的原因時，我想到了一個問題： 加載巨大的XML文件並處理MemoryError 。

這引出了我的問題：如果lxml可以處理大文件而Beautiful Soup無法處理，那么使用Beautiful Soup而不是直接使用lxml有什么好處嗎？

Answer 1

如果您查看有關BeautifulSoup Parser的鏈接：

“ BeautifulSoup”是一個Python程序包，用於解析損壞的 HTML，而“ lxml”的運行速度更快，但具有高質量的HTML / XML。 因此，如果您要處理第一個，最好使用BS ...， 但是擁有“ lxml”的優點是您可以得到soupparser 。

通過我在頂部提供的鏈接，它顯示了如何將“ BS”功能與“ lxml”一起使用

因此，最后 ...最好使用“ lxml”。

Answer 2

lxml速度非常快，並且具有相對較高的內存效率。 BeautifulSoup本身在效率方面的得分較低，但是其構建目的是與非標准/殘破的html和xml兼容，這意味着它最終將變得更加通用。

您選擇使用哪個實際上僅取決於您的用例-Web抓取？ 大概是BS。 解析機器編寫的結構化元數據？ lxml是一個不錯的選擇。

進行切換時還需要考慮學習曲線-兩個系統以略有不同的方式實現搜索和導航策略； 足以使從另一個系統開始學習一個系統變得不容易。