python - 在 HTML 中提取 URL 哪个更快？ [html.parser.HTMLParser] 或 [re.match] 或其他

Question

有时，我想解析 HTML 以提取 URL。
我发现 [html.parser.HTMLParser] 和 [re.match] 都可以完成这项工作。
我想知道哪个更快。

是否有像 jquery 这样的 python 模块来解析 HTML？

如果您有更好的解决方案，请发表评论。

谢谢

---

lxml 非常好。它使工作变得非常简单。

>>>for url in parse(urlopen('http://www.stackoverflow.com')).getroot().find_class('question-hyperlink'): print(url.get('href'))

Answer 1

我强烈建议lxml .根据我的经验，这是最快的。 lxml实际上会在内存中生成一棵树。所以你可以解析/序列化/...
另一方面，如果您必须在上述两个选项中进行选择，我建议您使用 timeit模块并确定它。