在 Python 中稳健地解析 HTML [重复]

【问题标题】：Robustly Parsing HTML in Python [duplicate]在 Python 中稳健地解析 HTML [重复]
【发布时间】：2013-10-30 20:00:45
【问题描述】：

如果这个问题已经被问了十亿次，请原谅我——在 Python 中解析 HTML 的可用选项是什么，特别是我正在处理一些有很多错误的遗留站点。有没有真正容错的解析器？

【问题讨论】：

【解决方案1】：

根据我的经验，在许多 python xml/html 库中，Beautiful Soup 非常擅长处理损坏的 HTML。

原始：

<i>This <span title="a">is<br> some <html>invalid</htl %> HTML. 
<sarcasm>It's so great!</sarcasm>

用 BeautifulSoup 解析：

 <i>This 
  <span title="a">is
   <br /> some 
   <html>invalid HTML. 
    <sarcasm>It's so great!
    </sarcasm>
   </html>
  </span>
 </i>

【讨论】：