Python HTML 解析

Question

我现在正在尝试写一个程序，这个程序可以根据输入的单词查找它的定义并返回给用户。虽然我已经让这个程序能工作了，但我不得不使用正则表达式（RegEx）来搜索存储定义的标签之间的文本。有没有更有效的方法可以用Python 3.x来实现这个功能呢？

Answer 1

你的需求在HTML解析方面其实很简单。Python的标准库里有一个叫做ElementTree的模块，这个模块可以帮助你完成你想做的事情。你可以去看看那个页面上给出的示例代码。

另外，千万不要犯错误，用正则表达式来解析HTML/XML。你可能不知道什么时候会变得非常复杂，而且在任何情况下这样做都是个坏主意。

Answer 2

试试BeautifulSoup，这是一个很不错的HTML解析工具，适合用在Python上。（它也支持Python 3.x，不过如果你不是在做一个很复杂的Python 3.0项目，建议使用2.7版本）

Answer 3

lxml 是一个适用于 Python 3 的库。它有一个和 ElementTree 兼容的接口，这意味着你可以用类似的方式来操作它。但是，它在背后使用了 C 语言编写的库，所以运行速度很快。此外，它还支持 Xpath，这是一种解析数据的好方法（有时候用起来很方便）。