BeautifulSoup沒有正確解析腳本文本/模板

Question

我有一個相當複雜的模板腳本，BeautifulSoup4由於某種原因不理解。正如你在下面看到的，BS4在放棄之前只是部分地解析樹。這是爲什麼，有沒有辦法解決它？

>>> from bs4 import BeautifulSoup 
>>> html = """<script id="scriptname" type="text/template"><section class="sectionname"><header><h1>Test</h1></header><table><tr><th>Title</th><td class="class"></td><th>Title</th><td class="class"></td></tr><tr><th>Title</th><td class="class"></td><th>Another row</th><td class="checksum"></td></tr></table></section></script> Other stuff I want to stay""" 
>>> soup = BeautifulSoup(html) 
>>> soup.findAll('script') 
[<script id="scriptname" type="text/template"><section class="sectionname"><header><h1>Test</script>] 

編輯：在進一步的測試，由於某種原因，似乎BS3能夠正確地解析此：

>>> from BeautifulSoup import BeautifulSoup as bs3 
>>> soup = bs3(html) 
>>> soup.script 
<script id="scriptname" type="text/template"><section class="sectionname"><header><h1>Test</h1></header><table><tr><th>Title</th><td class="class"></td><th>Title</th><td class="class"></td></tr><tr><th>Title</th><td class="class"></td><th>Another row</th><td class="checksum"></td></tr></table></section></script> 

Answer 1

美麗的湯，有時會失敗，它的默認解析器。 Beautiful Soup支持Python標準庫中包含的HTML解析器，但它也支持許多第三方Python解析器。

在某些情況下，我必須將解析器更改爲其他類似：lxml，html5lib或任何其他解析器。

這是上述解釋的例子：

from bs4 import BeautifulSoup  

soup = BeautifulSoup(markup, "lxml") 

我建議您閱讀您使用的BS這個http://www.crummy.com/software/BeautifulSoup/bs4/doc/#installing-a-parser