在Python中读取页面并使用minidom.parse或minidom.parseString对其进行解析？

我有以下任一代码：

import urllib
from xml.dom import minidom
res = urllib.urlopen('https://www.google.com/webhp#q=apple&start=10')
dom = minidom.parse(res)

这给了我错误

xml.parsers.expat.expat错误：语法错误：第1行第0列

或者这个：

import urllib
from xml.dom import minidom
res = urllib.urlopen('https://www.google.com/webhp#q=apple&start=10')
dom = minidom.parseString(res.read())

这给了我同样的错误

res.read（）

读起来很好，是一个字符串

---

我想稍后解析代码。如何使用

xml.dom.minidom

执行此操作？

出现此错误的原因是页面不是有效的xml。是HTML5。顶部右侧的

doctype

告诉您这一点，即使您忽略了内容类型。不能使用XML解析器解析HTML*

如果您想使用STDLIB中的内容，可以使用（Python 3。x）/（2。x）**但是，您可能需要考虑第三方库，例如“代码> LXML X/CODE >（尽管有名称，可以解析HTML），<代码> HTML5LIB < /代码>，或<代码> BeautifulSoup < /C> >（它在一个非常好的接口中封装了一个较低级别的解析器）。 *除非是XHTML或HTML5的XML输出，但这里不是这样

---

**不要使用

htmlib

，除非您使用的是旧版本的Python，而没有可用的

HTMLParser

。此模块被弃用是有原因的。

出现此错误的原因是页面不是有效的XML。是HTML5。顶部右侧的

doctype

告诉您这一点，即使您忽略了内容类型。不能使用XML解析器解析HTML*

如果您想使用STDLIB中的内容，可以使用（Python 3。x）/（2。x）**但是，您可能需要考虑第三方库，例如“代码> LXML X/CODE >（尽管有名称，可以解析HTML），<代码> HTML5LIB < /代码>，或<代码> BeautifulSoup < /C> >（它在一个非常好的接口中封装了一个较低级别的解析器）。 *除非是XHTML或HTML5的XML输出，但这里不是这样

---

**不要使用

htmlib

，除非您使用的是旧版本的Python，而没有可用的

HTMLParser

。此模块因某种原因被弃用。

是否使用

xml.dom.minidom

作为要求，或者您愿意使用其他模块？相信我，您应该做一个转换：）xml.dom.minidom的文档做了我需要做的一切。我更喜欢使用标准库，除非确实需要这样做。我看到了很多关于

BeautifulSoup

的建议，但是如果

xml.dom.minidom

工作正常，我就没有用了。要解析网页，你应该使用HTML解析器而不是xml解析器。@pts好建议，我将尝试

HTMLParser

@JVE999有很多

BeautifulSoup

建议，因为它确实使html解析变得简单直观。这将节省您的时间并使网络抓取变得有趣。使用

xml.dom.minidom

是一项要求，还是您愿意使用其他模块？相信我，您应该做一个转换：）xml.dom.minidom的文档做了我需要做的一切。我更喜欢使用标准库，除非确实需要这样做。我看到了很多关于

BeautifulSoup

的建议，但是如果

xml.dom.minidom

工作正常，我就没有用了。要解析网页，你应该使用HTML解析器而不是xml解析器。@pts好建议，我将尝试

HTMLParser

@JVE999有很多

BeautifulSoup

建议，因为它确实使html解析变得简单直观。这将节省您的时间并使网页抓取变得有趣。以下是一个描述使用

HTMLParser

解析HTML的SO答案供参考：以下是一个描述使用

HTMLParser

解析HTML的SO答案供参考：