BeautifulSoup中各种html解析器的比較及使用

Beautiful Soup解析器比較

·Beautiful Soup支持各种html解析器。包含python自带的标准库。还有其它的很多第三方库模块。

当中一个就是lxml
parser，至于lxml parser的安装，能够通过下面方法安装：

1）easy_install lxml
2）pip install lxml

另外。python对于模块的安装，能够查看博客说明。分为两种：easy_install和 pip.

第二种纯python解析器为html5lib解析器。能够像web浏览器那样解析html页面，你能够通过以下两种方式安装html5lib：

1）easy_install html5lib
2）pip install html5lib

以下对各种html解析器的优缺点做一下对照：

解析器	用法	长处	缺点
Python’s html.parser	BeautifulSoup(markup,"html.parser")	python自身带有速度比較快能较好兼容 (as of Python 2.7.3 and 3.2.)	不能非常好地兼容(before Python 2.7.3 or 3.2.2)
lxml’s HTML parser	BeautifulSoup(markup,"lxml")	速度非常快兼容性好	External C dependency
lxml’s XML parser	`BeautifulSoup(markup, "lxml-xml")` `BeautifulSoup(markup,"xml")`	速度非常快 The only currently supported XML parser	External C dependency
html5lib	BeautifulSoup(markup, "html5lib")	1)兼容性非常好 2)能够像web浏览器一样解析html页面 3) Creates valid HTML5	速度非常慢 External Python dependency

假设你想追求速度的话。建议使用lxml,假设你使用的python版本号2.x是2.7.3之前的版本号，或者python3.x的是3.2.2之前的版本号。你非常有必要安装使用html5lib或lxml使用。由于python内建的html解析器不能非常好地适应于这些老版本号。