我正在使用 BeautifulSoup解析一堆可能非常脏的 HTML文件。我偶然发现了一件非常奇怪的事情。
HTML 来自此页面:http://www.wvdnr.gov/
它包含多个错误，如多个 <html></html> , <title>外面<head>等等……
但是，即使在这些情况下，html5lib 通常也能正常工作。事实上，当我这样做时:
soup = BeautifulSoup(document, "html5lib")
然后我美化了 soup ，我看到以下输出:http://pastebin.com/8BKapx88
其中包含大量<a>标签。
但是，当我做 soup.find_all("a")我得到一个空列表。与 lxml我也一样。
所以:以前有人偶然发现过这个问题吗？到底是怎么回事？我如何获得 html5lib 的链接找到但没有返回 find_all ？
最佳答案
即使正确答案是“使用另一个解析器”(感谢@alecxe)，我也有另一个解决方法。出于某种原因，这也适用:
soup = BeautifulSoup(document, "html5lib")
soup = BeautifulSoup(soup.prettify(), "html5lib")
print soup.find_all('a')
返回相同的链接列表:
soup = BeautifulSoup(document, "html.parser")
关于python - BeautifulSoup 找不到正确解析的元素，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26896558/