Question

请原谅我，如果这被问了十亿次 - 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？

Answer 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。

原材料：

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

解析BeautifulSoup：

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