lxml和libxml2中哪一個更適合在Python中分析格式錯誤的html？

哪一個更好，更有用的格式錯誤的HTML？
我找不到如何使用libxml2。lxml和libxml2中哪一個更適合在Python中分析格式錯誤的html？

謝謝。

在libxml2 page你可以看到這樣一個字條：

注意一些Python的純粹的喜歡Python綁定的默認設置，而不是抱怨，我建議他們在LXML爲更Python綁定看看libxml2和libxslt並檢查郵件列表。

並在lxml頁這個其他之一：

的LXML XML工具包是一個用於Python化C庫libxml2和結合的libxslt。它的獨特之處在於它將這些庫的速度和XML功能完整性與本地Python API的簡單性結合在一起，它們大多兼容但優於衆所周知的ElementTree API。

所以基本上，與lxml你得到完全相同的功能，但與標準庫的ElementTree庫（兼容AA Python的API，因此這意味着標準庫文件將是有益的學習如何使用lxml ）。這就是爲什麼lxml優於libxml2（即使底層實現是同一個）。

編輯：話雖如此，正如其他答案解釋，解析格式不正確的html，您最好的選擇是使用BeautifulSoup。需要注意的一個有趣的事情是，如果你已經安裝了lxml，BeautifulSoup將使用它作爲新版本的documentation解釋說：

如果不指定任何東西，你會得到最好的HTML解析器已安裝。 Beautiful Soup將lxml的解析器評爲最好，然後是html5lib，然後是Python的內置解析器。

無論如何，即使BeautifulSoup使用lxml引擎蓋下，你就可以解析破html，你不能用xml直接解析。例如：

>>> lxml.etree.fromstring('<html>') 
... 
XMLSyntaxError: Premature end of data in tag html line 1, line 1, column 7

但是：

>>> bs4.BeautifulSoup('<html>', 'lxml') 
<html></html>

最後，注意lxml也提供老版本的BeautifulSoup的界面如下：

>>> lxml.html.soupparser.fromstring('<html>') 
<Element html at 0x13bd230>

因此，在的結束無論如何，你可能會使用lxml和BeautifulSoup。你唯一需要選擇的是你最喜歡的API。

2012-02-17 07:36:47 jcollado

lxml是一般推薦的。具體來說，lxml.html（如果我沒記錯的話）。

我相信它利用libxml2引擎蓋下的內容，但如果html特別討厭，可以回落到beautifulsoup，但不要拿我的話來看看網站！（http://http://lxml.de/）

2012-02-17 07:25:04 Arafangion

請嘗試使用beutifulfuloupoup。它旨在解析結構不良的數據。

2012-02-17 07:26:03

BeautifulSoup是很好的解析HTML。你可以查看它的例子，並發現它與其他人比較好。

2012-02-17 07:36:05 Nilesh

回答