在python中解析網頁時出現問題

Question

我想解析一個網頁以便檢索有關它的信息（我的確切問題是檢索此列表中的所有項目： http : //www.computerhope.com/vdef.htm ）。

但是，我不知道如何去做。

互聯網上的許多教程都以此（簡化） html5lib.parse(urlopen("http://www.computerhope.com/vdef.htm")) ： html5lib.parse(urlopen("http://www.computerhope.com/vdef.htm"))

但是在那之后，這些教程都沒有解釋如何瀏覽文檔以及轉到所需的html部分。

其他一些教程解釋了如何使用CSSSelector進行操作，但是同樣，所有教程都不以網頁開頭，而是以字符串開頭（例如，這里： http : //lxml.de/cssselect.html ）。

因此，我嘗試使用以下方法與網頁一起創建樹： fromstring(urlopen("http://www.computerhope.com/vdef.htm").read())但出現此錯誤： lxml.etree.XMLSyntaxError: Specification mandate value for attribute itemscope, line 3, column 28 。 此錯誤是由於存在一個未指定的屬性（例如<input attribute></input> ）而導致的，但是由於我不控制該網頁，因此無法解決該問題。

因此，這里有一些問題可以解決我的問題：

• 如何瀏覽樹？
• 有沒有辦法使解析器不那么嚴格？

謝謝 ！

Answer 1

嘗試使用漂亮的湯，它具有一些出色的功能，並使得在Python中解析非常容易。

在https://www.crummy.com/software/BeautifulSoup/bs4/doc/中查看其文檔

編輯：

正如@mzjn所指出的，我沒有在答案中包括代碼示例（這是投反對票的原因），因為我認為OP必須自己弄清楚。 我想我可以幫他，所以這是代碼

from bs4 import BeautifulSoup
import requests

page = requests.get('http://www.computerhope.com/vdef.htm')
soup = BeautifulSoup(page.text)
tables = soup.findChildren('table')
for i in (tables[0].findAll('a')):
    print(i.text)

它會打印出列表中的所有項目，希望OP會做出相應的調整。

至少現在我希望我的答案能被接受。