由于我不确定我面临的问题是错误还是我缺乏知识，所以我想请求您的帮助。
情况是，当尝试使用 PyQuery 解析此 url ( http://ies.ieee-ies.org/resources/media/publications/TIEpub/1988_2013.htm ) 时，显然它仅加载标题，而忽略正文:
>>> import urllib2
>>> from pyquery import PyQuery as pq
>>> response = urllib2.urlopen('http://ies.ieee-ies.org/resources/media/publications/TIEpub/1988_2013.htm').read() # 9MB page
>>> len(response)
9835026
>>> dom = pq(response)
>>> dom.html()
u'<head><title>IEEE Transactions on Industrial Electronics</title></head><body><h1 align="center"> \n <img border="0" src="ieeelogo.gif"/><font color="#FF6600">\xa0IEEE Tr
ansactions on Industrial Electronics\xa0 \n <img border="0" src="ieslogo.gif"/></font> \n </h1><h2 align="center"> \n Volume 35, \xa0Number 1, Feb 1988 \xa0\xa
0\xa0\xa0\xa0\xa0\xa0\xa0\xa0 \n <a href="http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=41"><font size="4">Access to the journal on IEEE XPLORE</font></a><font s
ize="4"> </font>\xa0\xa0\xa0 \n <a href="http://tie.ieee-ies.org/"><font size="3">IE Transactions Home Page</font></a><font size="4"> </font> \n </h2><hr/><br/><br/
></body>'
PyQuery 上的 HTML 解析是否存在我不知道的大小限制？
PS:我有一个解决办法，使用不同的页面导致相同的内容，但我想知道这样做的原因是什么。
最佳答案
我很确定问题不在于大小，而在于该页面的 HTML 非常糟糕。拥有2000多个<html>例如，其中的标签(正确的数字是一个)。浏览器可以理解它，这让我感到震惊，但 Mozilla 开发人员在此类事情上拥有丰富的经验，我想 PyQuery 开发人员虽然无疑很勤奋，但可能要少得多。如果您可以从不同的页面获取内容，那么一定要这样做，尤其是在该页面损坏程度较低的情况下。
关于python - 无法使用 PyQuery 解析大 HTML，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/16526168/