个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
24
4
在我的 html 中，我有很多 <br>标签(未关闭)。测试 html 如下:
html = r"<html><head><title>s</title></head><body>something <br> <b> another thing</b> " \
r"<br> even more <br> <b> end</b></body></html>"
这是正确的 html 用法吗？简单且“过时”，但仍然合法？
现在我注意到，beatifulsoup 将此 html 转换得一团糟，而不是“只有 1 层深度低于 <body> 的扁平树”，而是变得很多层深，使得分析变得很麻烦。显示 html 还会显示以下内容:
html = r"<html><head><title>s</title></head><body>something <br> <b> another thing</b> " \
r"<br> even more <br> <b> end</b></body></html>"
soup = BeautifulSoup(html, "html.parser")
print(soup)
output:
<html><head></head><body>something <br> <b> another thing</b>
<br> even more <br> <b> end</b></br></br></br></body></html>
如果我使用“html5lib”，这种行为会发生变化 - 此时输出将变为(我实际上希望得到):
output:
<html><head></head><body>something <br/> <b> another thing</b>
<br/> even more <br/> <b> end</b></body></html>
现在，虽然 html5lib“修复”了这个问题，但这仍然不是我希望的那样:我提供合法的 html代码对吗？那么为什么不同的解析器会给出不同的结果呢？
最佳答案
您可以检查解析器之间的差异 here .
html5lib 尝试通过像浏览器一样读取文档来修复格式不正确的文档，如果您想打印格式良好的 HTML 文档，它是最佳选择。
lxml做同样的事情，但速度更快。很多。
默认解析器不会用于此目的，如果您想使用它进行简单操作，它工作得很好，您想维护文档的结构，请使用上面提到的解析器。
正如BS所述:
There are also differences between HTML parsers. If you give Beautiful Soup a perfectly-formed HTML document, these differences won’t matter. One parser will be faster than another, but they’ll all give you a data structure that looks exactly like the original HTML document. But if the document is not perfectly-formed, different parsers will give different results.
关于python - Beautifulsoup `<br>` 来自输入的标签处理，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43022298/
24
4
0
HTML 在 div 中包含字符串: 'div class="slide"' 'img src="xttps://site.com/files/r_1000,kljg894/43k5j/35h43jk
我用这个方法 allcity = dom.body.findAll(attrs={'id' : re.compile("\d{1,2}")}) 返回这样的列表: [掳虏驴碌路驴碌脴虏煤脨脜脧垄脥酶 隆
我正在使用 Jupyter 笔记本、Python 3.5 和虚拟环境。 在我的虚拟环境中，我做了: (venv) > pip install BeautifulSoup4 这似乎运行良好 b/c 终端
我打算用 GUI 制作一个字典程序，但我在第一个障碍上就失败了。我刚刚安装了一个模块( PyDictionary )，但是当我运行以下代码时出现错误。 from PyDictionary import
我正在将一些解析器从 BeautifulSoup3 迁移到 BeautifulSoup4，我认为考虑到 lxml 非常快并且它是我在 BS4 中使用的解析器，分析它会变得多快是个好主意，这里是分析结果
这个问题在这里已经有了答案: Getting Python error "from: can't read /var/mail/Bio" (6 个答案) 关闭 11 个月前。 From Beauti
目前我无法输入这个，因为根据 top，我的处理器是 100%，我的内存是 85.7%，都被 python 占用了。 为什么？因为我让它通过一个 250 兆的文件来删除标记。 250兆，就是这样!我一直
我写了下面的代码: from bs4 import BeautifulSoup import sys # where is the sys module in the source code fold
通常，当我尝试使用BeautifulSoup解析网页时，BeautifulSoup函数会得到NONE结果，否则就会引发AttributeError。。以下是一些独立的(即，由于数据是硬编码的，不需要访
通常，当我尝试使用BeautifulSoup解析网页时，BeautifulSoup函数会得到NONE结果，否则就会引发AttributeError。。以下是一些独立的(即，由于数据是硬编码的，不需要访
我正在为一个项目使用 BeautifulSoup。这是我的 HTML 结构 John Sam Bailey Jack
这段代码正确地从我的博客中提取了马拉地语文本。我很欣赏使用漂亮的汤和正则表达式是多么容易。 from bs4 import BeautifulSoup import requests, re url
我想获取 HTML 中隐藏输入字段的值。 我想用 Python 编写一个正则表达式，它将返回 fooId 的值，前提是我知道 HTML 中的行遵循以下格式 有人可以提供一个 Python 示例来解
我正在尝试获取特定月份的所有链接、标题和日期，例如网站上的三月，我正在使用 BeautifulSoup 这样做: from bs4 import BeautifulSoup import reques
我正试图通过此链接收集有关 2020 年世界上收入最高的运动员收入的信息 https://www.forbes.com/profile/roger-federer/?list=athletes这是第一
我正在尝试从带有美丽汤的网页中捕获所有相关链接。我需要的所有链接都有 class="btn btn-gray"还有文字 More Info<> 仅提取这些链接的最佳方法是什么？ 最佳答案 这个怎么样？
我正在尝试抓取一个具有下拉菜单的站点，用户可以在其中选择要显示的数据的年份。但是，我似乎被困在我的实现中。 这是网站网址:https://www.pgatour.com/tournaments/mas
我正在使用 BeautifulSoup 和 mechanise 从网页中查找一些内容。问题是有时找不到我正在寻找的字符串。我不知道有什么问题 对于许多网页，它可以正常工作数月，但突然停止工作。然后我必
( 更新代码 就在下面) 我有一个类:UrlData , 生成一个 url 列表: for url in urls: rawMechSiteInfo = mech.open(url) #me
这是我到目前为止所做的事情: import requests from bs4 import BeautifulSoup URL = "https://www.google.com/search?q=
我是一名优秀的程序员,十分优秀！