在Python中解析網頁的問題

Question

我想解析一個網頁以檢索一些關於它的信息（我的確切問題是檢索此列表中的所有項目：http://www.computerhope.com/vdef.htm）。

但是，我無法弄清楚如何去做。

很多在互聯網上開始這個教程（簡體）： html5lib.parse(urlopen("http://www.computerhope.com/vdef.htm"))

但在那之後，沒有教程解釋我是如何可以瀏覽文件，去我尋找HTML部分。

其他一些教程解釋瞭如何使用CSSSelector來做到這一點，但所有教程不是以網頁開頭，而是以字符串代替（例如：http://lxml.de/cssselect.html）。

所以我試圖創建與使用本網頁中的樹： fromstring(urlopen("http://www.computerhope.com/vdef.htm").read()) 但我得到這個錯誤： lxml.etree.XMLSyntaxError: Specification mandate value for attribute itemscope, line 3, column 28。這個錯誤是由於有一個屬性沒有指定（例如<input attribute></input>），但由於我不控制網頁，我無法繞過它。

因此，這裏有可能解決我的問題，幾個問題：

• 我如何可以瀏覽一棵樹？
• 有沒有辦法讓解析器不那麼嚴格？

謝謝！

Answer 1

嘗試使用美麗的湯，它有一些優秀的功能，並使得在Python中的解析非常容易。在

查看他們的文檔的https://www.crummy.com/software/BeautifulSoup/bs4/doc/

編輯：

由於@mzjn指出的那樣，我並沒有包括在回答代碼示例（這是向下票的原因），因爲我認爲OP必須自己弄明白。我想我可以幫助他，所以這是它打印出列表中的所有項目的代碼

from bs4 import BeautifulSoup 
import requests 

page = requests.get('http://www.computerhope.com/vdef.htm') 
soup = BeautifulSoup(page.text) 
tables = soup.findChildren('table') 
for i in (tables[0].findAll('a')): 
    print(i.text) 

，我希望OP將作出相應調整。

至少現在我希望我的答案能夠得到提高。