BeautifulSoup中各种html解析器的比较及使用

Beautiful Soup解析器比较

·Beautiful Soup支持各种html解析器，包括python自带的标准库，还有其他的许多第三方库模块。其中一个就是lxml parser，至于lxml parser的安装，可以通过以下方法安装：

1）easy_install lxml   2）pip install lxml    

另外，python对于模块的安装，可以查看博客说明，分为两种：easy_install和 pip.

另外一种纯python解析器为html5lib解析器，可以像web浏览器那样解析html页面，你可以通过下面两种方式安装html5lib：

1）easy_install html5lib   2）pip install html5lib

下面对各种html解析器的优缺点做一下对比：

解析器使用方法优点缺点Python’s html.parserBeautifulSoup(markup,"html.parser")

• python自身带有
• 速度比较快
• 能较好兼容 (as of Python 2.7.3 and 3.2.)
  

不能很好地兼容(before Python 2.7.3 or 3.2.2)lxml’s HTML parserBeautifulSoup(markup,"lxml")

• 速度很快
• 兼容性好

External C dependencylxml’s XML parserBeautifulSoup(markup, "lxml-xml") BeautifulSoup(markup,"xml")   速度很快

• The only currently supported XML parser

External C dependencyhtml5libBeautifulSoup(markup, "html5lib")1)兼容性很好
2)可以像web浏览器一样解析html页面
3) Creates valid HTML5

• 速度很慢

• External Python dependency

如果你想追求速度的话，建议使用lxml,如果你使用的python版本2.x是2.7.3之前的版本，或者python3.x的是3.2.2之前的版本，你很有必要安装使用html5lib或lxml使用，因为python内建的html解析器不能很好地适应于这些老版本。