为什么无法使用lxml.html解析target.html中的所有div元素？

Question

请在保管箱中下载文件，并将其另存为/tmp/target.html。

target.html

在带有firebug的firefox中打开它以查看html结构。

很明显，target.html中至少有10格。 现在，使用lxml.html解析target.html中的所有div元素。

python3
>>> import lxml.html
>>> doc=lxml.html.parse("/tmp/target.html")
>>> divs=doc.xpath("//div")
>>> len(divs)
4

获取结果4，为什么用上面的代码无法解析那么多div？
target.html中至少有10个div。 target.html中的解析表也是如此。
target.html中至少有9个表，请用firebug检查。

python3
>>> import lxml.html
>>> doc=lxml.html.parse("/tmp/target.html")
>>> tables=doc.xpath("//table")
>>> len(tables)
3

Answer 1

感谢sideshowbarker。

sudo pip3 install  html5lib

首先要使用pip安装html5lib。

import html5lib; 
doc = html5lib.parse(open('/tmp/target.html', 'rb'), treebuilder='lxml', namespaceHTMLElements=False); 
divs=doc.xpath('//div'); 
tables=doc.xpath('//table');
print(len(divs));
print(len(tables));