Python BeautifulSoup-lxml和html5lib解析器消除差异

我正在将Beautifulsoup4与Python2.7一起使用。我想从网站中提取某些元素（数量，见下面的示例）。出于某种原因，lxml解析器不允许我从页面中提取所有所需的元素。它将只打印前三个元素。我正在尝试使用html5lib解析器来查看是否可以提取所有这些内容

该页面包含多个项目及其价格和数量。包含每个项目所需信息的代码部分如下所示：

<td class="size-price last first" colspan="4">
                    <span>453 grams </span>
            <span> <span class="strike">$619.06</span> <span class="price">$523.91</span>
                    </span>
                </td>

案例2-LXML:

#! /usr/bin/python
from bs4 import BeautifulSoup
data = """
<td class="size-price last first" colspan="4">
                    <span>453 grams </span>
            <span> <span class="strike">$619.06</span> <span class="price">$523.91</span>
                    </span>
                </td>"""                
soup = BeautifulSoup(data)
print soup.td.span.text

#! /usr/bin/python
from bs4 import BeautifulSoup
from urllib import urlopen
webpage = urlopen('The URL goes here')
soup=BeautifulSoup(webpage, "lxml")
print soup.find('td', {'class': 'size-price'}).span.text

#! /usr/bin/python
from bs4 import BeautifulSoup
from urllib import urlopen
webpage = urlopen('The URL goes here')
soup=BeautifulSoup(webpage, "html5lib")
print soup.find('td', {'class': 'size-price'}).span.text

印刷品：

453 grams 

453 grams

案例3-HTML5LIB:

#! /usr/bin/python
from bs4 import BeautifulSoup
data = """
<td class="size-price last first" colspan="4">
                    <span>453 grams </span>
            <span> <span class="strike">$619.06</span> <span class="price">$523.91</span>
                    </span>
                </td>"""                
soup = BeautifulSoup(data)
print soup.td.span.text

#! /usr/bin/python
from bs4 import BeautifulSoup
from urllib import urlopen
webpage = urlopen('The URL goes here')
soup=BeautifulSoup(webpage, "lxml")
print soup.find('td', {'class': 'size-price'}).span.text

#! /usr/bin/python
from bs4 import BeautifulSoup
from urllib import urlopen
webpage = urlopen('The URL goes here')
soup=BeautifulSoup(webpage, "html5lib")
print soup.find('td', {'class': 'size-price'}).span.text

我得到以下错误：

Traceback (most recent call last):
  File "C:\Users\Dom\Python-Code\src\Testing-Code.py", line 6, in <module>
    print soup.find('td', {'class': 'size-price'}).span.text
AttributeError: 'NoneType' object has no attribute 'span'

请尝试以下方法：

    from bs4 import BeautifulSoup
    data = """
    <td class="size-price last first" colspan="4">
                <span>453 grams </span>
        <span> <span class="strike">$619.06</span> <span 
    class="price">$523.91</span>
                </span>
            </td>"""                
    soup = BeautifulSoup(data)
    text = soup.get_text(strip=True)
    print text

从bs4导入美化组
data=”“”
453克
$619.06 $523.91
"""                
汤=美汤（数据）
text=soup.get_text（strip=True）
打印文本

html5lib

省略了

td

标记，并将所有内容放在html主体中-这是因为

td

周围没有

表

标记，

html5lib

关注它。有趣的是，现在我应该如何使用html5libWell提取我想要的元素，为什么要使用

html5lib

？仅供参考，您还可以使用

html.parser

，例如：

BeautifulSoup（网页，'html.parser'）

。运行时警告：Python内置的HTMLParser无法解析给定文档。这不是美汤里的虫子。最好的解决方案是安装一个外部解析器（lxml或html5lib），并与该解析器一起使用BeautifulSoup。请参阅以寻求帮助<代码>“Python的内置HTMLPasser无法解析给定文档。这不是Beauty Soup中的错误。最好的解决方案是安装外部解析器（lxml或html5lib），并将Beauty Soup与该解析器一起使用。Gotcha:）我可以看到您尝试解析的整个html文档（或链接）吗？