BeautifulSoup:如何忽略虚假结束标记

作者：手机用户2402852387 | 2023-09-09 17:38

如何解决《BeautifulSoup:如何忽略虚假结束标记》经验，为你挑选了1个好方法。

我已经阅读了很多关于BeautifulSoup的好东西,这就是为什么我现在正试图用它来刮掉一组格式错误的HTML网站.

不幸的是,BeautifulSoup的一个功能目前几乎是一个showstopper:

似乎当BeautifulSoup遇到一个

从未打开的结束标记(在我的情况下)时,它决定改为结束文档.此外,在这种情况下,该find方法似乎不会搜索(自感应)标签后面的内容.这意味着当我感兴趣的块恰好位于虚假的结束标记后面时,我无法访问内容.

有没有办法可以配置BeautifulSoup来忽略不匹配的结束标记,而不是在遇到它们时关闭文档？

1> Martijn Piet..：

BeautifulSoup不进行任何解析,它使用专用解析器(lxml或html.parser或html5lib)的输出.

如果您当前使用的解析器不能按照您希望的方式处理损坏的HTML,请选择其他解析器.lxml是一个更快的解析器,可以很好地处理损坏的HTML,html5lib最接近你的浏览器解析破碎的HTML,但速度慢很多.

另请参阅BeautifulSoup文档中的安装解析器,以及解析器之间的差异部分.

推荐阅读

程序员
android TextInputLayout在将error设置为null后更改EditText样式

如何解决《androidTextInputLayout在将error设置为null后更改EditText样式》经验，为你挑选了1个好方法。 ... [详细]
程序员
Python点击,你能把-h作为别名

如何解决《Python点击,你能把-h作为别名》经验，为你挑选了1个好方法。 ... [详细]
程序员
PHP base64编码pdf文件

如何解决《PHPbase64编码pdf文件》经验，为你挑选了1个好方法。 ... [详细]
程序员
nltk数据无法安装在AWS实例类型c4.xlarge的Ubuntu 14.04上

如何解决《nltk数据无法安装在AWS实例类型c4.xlarge的Ubuntu14.04上》经验，为你挑选了1个好方法。 ... [详细]
程序员
什么是uwsgi线程用于？

如何解决《什么是uwsgi线程用于？》经验，为你挑选了1个好方法。 ... [详细]
程序员
简单Play应用程序的最小RAM

如何解决《简单Play应用程序的最小RAM》经验，为你挑选了1个好方法。 ... [详细]
程序员
Spring Rest Web服务将文件作为资源返回

如何解决《SpringRestWeb服务将文件作为资源返回》经验，为你挑选了0个好方法。 ... [详细]
程序员
如何在Windows上的Docker中运行Tensorflow运行python脚本？

如何解决《如何在Windows上的Docker中运行Tensorflow运行python脚本？》经验，为你挑选了1个好方法。 ... [详细]
程序员
opencv,找到一张位于图片特定位置的信件？

如何解决《opencv,找到一张位于图片特定位置的信件？》经验，为你挑选了1个好方法。 ... [详细]
程序员
为什么TensorFlow会在训练后预测全部0或全部1？

如何解决《为什么TensorFlow会在训练后预测全部0或全部1？》经验，为你挑选了1个好方法。 ... [详细]
程序员
PhantomJS:在渲染的pdf中忽略外部CSS

如何解决《PhantomJS:在渲染的pdf中忽略外部CSS》经验，为你挑选了1个好方法。 ... [详细]
程序员
Aurelia翻转图像显示/隐藏

如何解决《Aurelia翻转图像显示/隐藏》经验，为你挑选了1个好方法。 ... [详细]
程序员
Xamarin蓝牙扫描

如何解决《Xamarin蓝牙扫描》经验，为你挑选了1个好方法。 ... [详细]
程序员
为什么0 <-0x80000000？

如何解决《为什么0<-0x80000000？》经验，为你挑选了6个好方法。 ... [详细]
程序员
除一个数字之外的某个范围内的随机整数

如何解决《除一个数字之外的某个范围内的随机整数》经验，为你挑选了1个好方法。 ... [详细]
程序员
如何在vue loader组件中导入JS脚本？

如何解决《如何在vueloader组件中导入JS脚本？》经验，为你挑选了0个好方法。 ... [详细]
程序员
NumPy中的累积加法/乘法

如何解决《NumPy中的累积加法/乘法》经验，为你挑选了1个好方法。 ... [详细]
程序员
laravel 5中的多个路径文件而不是一个主路径文件

如何解决《laravel5中的多个路径文件而不是一个主路径文件》经验，为你挑选了2个好方法。 ... [详细]
程序员
数组的Ruby哈希从数组中删除第一个元素

如何解决《数组的Ruby哈希从数组中删除第一个元素》经验，为你挑选了1个好方法。 ... [详细]
程序员
在oracle中执行存储过程后是否有任何自动提交？

如何解决《在oracle中执行存储过程后是否有任何自动提交？》经验，为你挑选了2个好方法。 ... [详细]

手机用户2402852387

这个屌丝很懒，什么也没留下！

关注作者

Tags | 热门标签

RankList | 热门文章