python：“lxml”和“html.parser”以及“html5lib”与靓汤的区别？

Question

当使用漂亮的soup时，“lxml”与“html.parser”和“html5lib”有什么区别？你什么时候会使用一个比另一个和各自的好处？从我使用它们的时候起，它们似乎是可以互换的，但我确实得到了纠正，我应该使用不同于这里的人的一个。想加强我对这些的理解。我在这里读过几篇关于这个的文章，但是它们根本就没有多大用处。

示例-

soup = BeautifulSoup(response.text, 'lxml')

Answer 1

从docs的优缺点汇总表中：

1. html.parser-BeautifulSoup(markup, "html.parser")

   • 优点：包括电池，速度适中，使用方便（从Python2.7.3和3.2开始）。

   • 缺点：不太宽容（在Python 2.7.3或3.2.2之前）

2. lxml-BeautifulSoup(markup, "lxml")

   • 优点：速度快，宽大

   • 缺点：外部C依赖性

3. html5lib-BeautifulSoup(markup, "html5lib")

   • 优点：极为宽松，像web浏览器一样解析页面，创建有效的HTML5

   • 缺点：非常慢，外部Python依赖性

Answer 2

BeautifulSoup文档中强调了关键的区别：

• Differences between parsers

基本的理由是，为什么您希望使用一个解析器而不是其他解析器：

• html.parser-内置-不需要额外的依赖项
• html5lib-最宽容的-如果HTML被破坏，最好使用它
• lxml-最快的