最佳Python模块用于HTML解析

Question

我有一个网站更新工具（用户可以更新内容，比如文本，但不能改变网站的外观），前端使用HTML和JavaScript，后端则是Python。

我发现从前端更新HTML非常困难，因为当我用ele.innerHTML或者$(ele).html()获取更新后的HTML时，不同的浏览器返回的结果会有所不同（真是让人头疼，尤其是IE）。

所以我决定从后端，也就是用Python来更新我的HTML。

你觉得哪个Python模块最适合用来解析HTML并提取信息呢？

我的要求是：
- 这个模块至少要支持Python 2.5或更低版本（因为我的网络托管服务的限制）
- 我需要解析HTML，并找到所有类名为“updatable”的HTML元素
- 对于每个“updatable”类的元素：提取它的文本内容（只要文本，不要HTML）

你觉得哪个Python模块最合适呢？
- HTMLParser.py
- htmllib.py
- 你知道其他兼容Python 2.5的模块吗？

Answer 1

如果你想解析HTML，我建议你看看Beautiful Soup。这个工具非常强大，能够处理一些格式不太规范的代码。

http://www.crummy.com/software/BeautifulSoup/

你可以试试这个，看看是否对你有帮助！希望能帮到你。

Answer 2

我一直在使用 lxml（http://lxml.de/lxmlhtml.html）。对于普通大小的 HTML 文档，它的速度比较快，并且可以和 BeautifulSoup 一起使用。根据我的了解，BeautifulSoup 现在已经不再更新了，所以在所有新的项目中，我都选择使用 lxml。