Нет больше BeautifulSoup

Question

Я использовал BeautifulSoup, но, насколько я понимаю, библиотека больше не поддерживается.Так что я должен использовать?Я слышал о Xpath, но что еще там?

Answer 1

В апреле был выпущен релиз исправления ошибки, поэтому я даже не уверен, откуда вы взяли, что он больше не поддерживается.Тем не менее, даже если бы это было правдой, BeautifulSoup все еще достаточно функционален, и я даже не вижу, чтобы текущая реализация сломалась в ближайшее время.У вас могут возникнуть проблемы с HTML 5 в течение следующих 2 лет (хотя причуда намного меньше, поэтому анализ легче, по крайней мере, пока), но нет особой причины не использовать BeautifulSoup.Сообщество по-прежнему активно поддерживает группу Google и т. Д., И, разумеется, исходный код доступен для улучшения по мере необходимости.

Answer 2

Я бы держался подальше от lxml, это слишком капризно на мой вкус. Я бы попробовал html5lib на вашем месте. Он не только анализирует html, но и исправляет ошибки, которые вы видите в супе тега, известном как недействительный html.

Он даже имеет режим эмуляции BeautifulSoup, генерируя дерево разбора в форме Beautiful Soup, чтобы упростить перенос старого кода:

import html5lib
from html5lib import treebuilders

f = open("mydocument.html")
parser = html5lib.HTMLParser(tree=treebuilders.getTreeBuilder("beautifulsoup"))
minidom_document = parser.parse(f)

Answer 3

Попробуйте lxml lib: http://codespeak.net/lxml/

Answer 4

Ну, если вы не обязаны работать с Python, вы всегда можете использовать парсер TagSoup. Это библиотека Java, но она дает очень хорошие результаты. Вы также можете просто использовать Tidy для очистки ввода, прежде чем пытаться его проанализировать.