我有一个固定的结构良好的 html 源，传入的数据清晰且小，只包含一些 div 列表。我知道使用 html 解析器进行 html 解析，但这看起来像是一种特殊情况，我不确定应该使用哪个。问题情况如下
- 数据清晰且结构合理
- 数据量小
- 性能很重要，应用程序必须能够获取尽可能多的数据
- 应用程序将数据写入MongoDB数据库
- 实现编程语言将是Scala或Python
任何意见都很有值(value)，我该怎么办？
最佳答案
我仍然会坚持使用 HTML 解析器，因为至少有一种特定的数据格式和一种理解该格式的专用工具。
如果性能在这里很重要，那么有一个非常快的 lxml包裹。对于 HTML，使用 lxml.html .
您还可以使用很棒的 BeautifulSoup包和let it use lxml parser under-the-hood .此外，如果您需要解析的数据位于 HTML 文档的特定部分，您可以通过让 BeautifulSoup 仅解析 HTML 文档的相关部分来提高性能，详情请见: Parsing only part of a document .
并且，为了遵循 HTML+regex 线程的传统，这里引用了一个著名的主题，其中包含为什么不应该使用 regex 来解析 HTML 的原因:
关于python - Html 解析与正则表达式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26318806/