Python 解析XML时出现不匹配的标记错误？

我正在编写此脚本，从下载HTML文档，并尝试使用以下方法将其解析为XML：

with urllib.request.urlopen("http://example.com/") as f:
    tree = xml.etree.ElementTree.parse(f)

但是，我一直得到一个<代码> PARSEROLL：不匹配的标签< /Cord>错误，假设在第1行，第2781列，所以我手动加载文件（Ctrl + S在我的浏览器上）并检查它，但是这样的位置表示一个字符串中间的位置，甚至不在EOF附近，但是在实际的2781个字符之前有几行，所以这可能会打乱我对确切位置的计算。但是，我尝试下载并实际将响应写入一个文件，以便稍后通过以下方式对其进行解析：

response = urllib.request.urlopen("http://example.com/")
f = open("test.html", "wb")
f.write(response.read())
f.close()
html = open("test.html", "r")
tree = xml.etree.ElementTree.parse(html)

我仍然在同一列中得到相同的

不匹配标记

错误，但这次我打开了下载的html，第2781列附近唯一的内容是：

 根据示例和文档，对于示例URL，此代码段似乎可以正常工作

import urllib.request
import xml.etree.ElementTree as ET

with urllib.request.urlopen('http://boards.4chan.org/wsg/thread/629672/i-just-lost-my-marauder-on-eve-i-need-a-ylyl') as response:
    html = response.read()
    tree = ET.parse(html)

如果您不想在使用ElementTree对响应进行解析之前将其读入变量，这也可以：

with urllib.request.urlopen('http://boards.4chan.org/wsg/thread/629672/i-just-lost-my-marauder-on-eve-i-need-a-ylyl') as response:
        tree = ET.parse(response.read())

您可以使用
bs4
解析此页面。像这样：

import bs4
import urllib


url = 'http://boards.4chan.org/wsg/thread/629672/i-just-lost-my-marauder-on-eve-i-need-a-ylyl'
proxies = {'http': 'http://www-proxy.ericsson.se:8080'}
f = urllib.urlopen(url, proxies=proxies)
info = f.read()
soup = bs4.BeautifulSoup(info)
print soup.a

输出：

<a href="/a/" title="Anime &amp; Manga">a</a>



你可以从这里下载bs4。
如果你能给我们该页面的实际URL，我们可以检查一下我们是否也遇到了同样的问题。另外，使用requests模块而不是urllib。认真地你会很高兴你这么做的。：）好吧，我还在开始学习python的所有内容，所以我不知道这一点，而且，因为我移植的脚本是对4个线程的检查，这里有一个指向（某种）sfw线程的链接：@arielnmz:使用像lxml或BeautifulSoup这样的HTML解析器。XML解析器不够宽容，无法正确处理HTML。是否有内置的解决方案？据我所知，lxml是一个第三方模块……使用第三方模块有什么问题？好吧，我刚刚启动了一个终端，并将其复制粘贴到一个新的python3交互式shell上，它工作得很好，但后来我只更改了一行：我没有将响应“读取”到变量中，而是直接从“响应”中解析出来，问题再次出现在同一条线上，为什么会发生这种情况？另外，我发现Response没有实现缓冲接口（或者类似的东西），这可能是问题所在吗？好的，问题不是我不想使用var，而是我宁愿跳过使用
read（）
方法，但是不管怎样，我只是仔细检查了它，实际上您需要
fromstring（）
parse（）的方法instad

如果您在响应上使用

read（）

，但是您是否尝试过将响应直接传递到

parse（）

？

with urllib.request.urlopen("http://example.com/") as f:
    xml.etree.ElementTree.fromstring(f.read())

import urllib.request
import xml.etree.ElementTree as ET

with urllib.request.urlopen('http://boards.4chan.org/wsg/thread/629672/i-just-lost-my-marauder-on-eve-i-need-a-ylyl') as response:
    html = response.read()
    tree = ET.parse(html)

with urllib.request.urlopen('http://boards.4chan.org/wsg/thread/629672/i-just-lost-my-marauder-on-eve-i-need-a-ylyl') as response:
        tree = ET.parse(response.read())

import bs4
import urllib


url = 'http://boards.4chan.org/wsg/thread/629672/i-just-lost-my-marauder-on-eve-i-need-a-ylyl'
proxies = {'http': 'http://www-proxy.ericsson.se:8080'}
f = urllib.urlopen(url, proxies=proxies)
info = f.read()
soup = bs4.BeautifulSoup(info)
print soup.a

<a href="/a/" title="Anime &amp; Manga">a</a>