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

Question

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

您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，但这里的人纠正我说我应该使用不同的。我想加强我的理解；我在这里阅读了几篇关于此的帖子，但它们根本没有详细介绍用途。

例子:

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

Answer 1

来自docs优缺点汇总表:

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

   • 优点:包含电池、速度不错、宽松(从 Python 2.7.3 和 3.2 开始。)

   • 缺点:不太宽松(Python 2.7.3 或 3.2.2 之前)

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

   • 优点:非常快，宽容

   • 缺点:依赖外部C

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

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

   • 缺点:非常慢，依赖外部Python