防止bs4截斷html

Question

beautifulsoup4碰巧在某些情況下會截斷無效（我猜）html。我很想強迫它不這樣做。我假設在那裏沒有「正式」的方式，但也許你已經在某種程度上完成了？

Answer 1

如果HTML被破壞，重建可行的元素樹並不總是可能的。但是，您可以嘗試使用不同的後端解析器。並非所有的解析器都可以將破碎的HTML視爲相同。

的html5lib解析器是在處理損壞的HTML尤其擅長，處理這樣的輸入相同，將多數瀏覽器：

soup = BeautifulSoup(htmlcontent, 'html5') 

您也可以嘗試lxml這裏。這兩個庫都是單獨安裝的。