使用BeautifulSoup后HTML出现混乱

Question

我正在下载一个带有urllib2的页面并将其加载到BeautifulSoup中：

from bs4 import BeautifulSoup as Soup
import urllib2
baseHTML = 'http://forums.macrumors.com/'
baseForum = 'forumdisplay.php?f=109'
forumHTML = urllib2.urlopen(baseHTML+baseForum).read()
page = Soup(forumHTML)
print forumHTML
print page

当打印forumHTML时，一切正常，得到返回的html也完全正常。在

但是，在打印page时，HTML在此时会出现混乱：

^{pr2}$

如您所见，beauthoulsoup在错误的位置添加了一个>，原因不明。 这是forumHTML中相同的HTML：

<a href="showthread.php?t=324487" id="thread_title_324487">iPhone Tips and Tricks thread</a>
<span class="smallfont" style="white-space

为什么会这样？如果有关系的话，我在Windows64位上使用Python2.7。在

Answer 1

我在Google places页面上也遇到了类似的问题，没有添加任何符号，但是在html代码中引入的空白也有同样的问题。。。重新安装BeauthoulSoup也没能成功：）

不管怎样，我回到beauthoulsoup4文档，阅读了它支持的不同HTML解析器，并尝试了Python的html.parser在

from bs4 import BeautifulSoup

...

page = BeautifulSoup(markup, "html.parser")

问题解决了。如果您遇到这个问题，您可能需要使用一个受支持的HTML解析器。在

Answer 2

由于很久没有找到解决方案，我决定重新安装BeautifulSoup——它以某种方式解决了这个问题。在