无法使用python中的BeautifulSoup在soup.findAll（'table'）中找到表格

Question

我正在使用soup.findAll（'table'）来尝试在html文件中找到该表，但它不会出现。 该表确实存在于文件中，并且正则表达式能够以这种方式找到它：

import sys
import urllib2
from bs4 import BeautifulSoup
import re
webpage = open(r'd:\samplefile.html', 'r').read()
soup = BeautifulSoup(webpage)
print re.findall("TABLE",webpage)   #works, prints ['TABLE','TABLE']
print soup.findAll("TABLE")   # prints an empty list []

我知道自从我这样做以来，我正在正确地生成汤：

print [tag.name for tag in soup.findAll(align=None)]

它将正确打印它找到的标签。我已经尝试过不同的方法来写“TABLE”，如“table”，“Table”等。 此外，如果我打开文件并使用文本编辑器对其进行编辑，则它上面有“TABLE”。

为什么beautifulsoup找不到桌子？

Answer 1

上下文

• python 2.x
• BeautifulSoup HTML解析器

问题

• bsoup findall未返回所有预期的标记，或者根本不返回任何标记，即使用户知道标记中存在标记

解决方案

• 在初始化BeautifulSoup构造函数
时尝试指定确切的解析器

## BEFORE
soup = BeautifulSoup(webpage)

## AFTER
soup = BeautifulSoup(webpage, "html5lib")

原理

• 目标标记可能包含格式错误的HTML，并且不同的解析器有不同程度的成功。

另见

• related post by Martijn that addresses the same issue