Python-beautifulsoup-如何处理缺少的结束标记

我想使用beautifulsoup从html代码中删除该表。下面显示了html的一个片段。使用

table.findAll（'tr'）

时，我得到的是整个表，而不仅仅是行。（可能是因为html代码中缺少结束标记？）

正如他们的

html5lib

中所述，它像web浏览器一样解析文档（在本例中类似于

lxml

）。它将尝试在需要时通过添加/关闭标记来修复您的文档树

在您的示例中，我使用lxml作为解析器，它给出了以下结果：

soup = BeautifulSoup(data, "lxml")
table = soup.findAll("table")[0]
rows = table.find_all('tr')
for tr in rows:
    print(tr.get_text(strip=True))

请注意，

lxml

添加了html和body标记，因为它们在源代码中不存在（它将尝试创建一个格式良好的文档，如前所述）

     soup = BeautifulSoup(data, "html.parser")
     table = soup.findAll("table")[0]
     rows = table.find_all('tr')
     for tr in rows:
         print(tr.text)

soup = BeautifulSoup(data, "lxml")
table = soup.findAll("table")[0]
rows = table.find_all('tr')
for tr in rows:
    print(tr.get_text(strip=True))