Python 美丽的汤4找到所有的唐'；我找不到Beauty Soup 3找到的链接

我注意到了一个非常恼人的错误：BeautifulSoup4（包：

bs4

）经常发现比以前版本（包：

BeautifulSoup

）更少的标记

以下是该问题的可复制实例：

import requests
import bs4
import BeautifulSoup

r = requests.get('http://wordpress.org/download/release-archive/')
s4 = bs4.BeautifulSoup(r.text)
s3 = BeautifulSoup.BeautifulSoup(r.text)

print 'With BeautifulSoup 4 : {}'.format(len(s4.findAll('a')))
print 'With BeautifulSoup 3 : {}'.format(len(s3.findAll('a')))

输出：

With BeautifulSoup 4 : 557
With BeautifulSoup 3 : 1701

正如你所看到的，差别并不是很小

以下是模块的确切版本，以防有人怀疑：

In [20]: bs4.__version__
Out[20]: '4.2.1'

In [21]: BeautifulSoup.__version__
Out[21]: '3.2.1'

---

您已经安装了

lxml

，这意味着beautifulsoup4将在标准库

html.parser

选项上使用该解析器

您可以将lxml升级到3.2.1（对于我来说，它会为您的测试页面返回1701个结果）；lxml本身使用了

libxml2

和

libxslt

，这可能也是原因之一。您可能还需要升级它们。看,；目前建议使用libxml2.7.8或更新版本

或者在解析soup时显式指定另一个解析器：

s4 = bs4.BeautifulSoup(r.text, 'html.parser')

---

这两种方法我都得到了

1701

。也许可以尝试对

s4

使用

find_all

，因为这应该用于

bs4

bs4使用可插入的解析器，如果安装了，将切换到“更好”的解析器。例如，如果安装了

lxml

，结果可能会有所不同。使用BS4的名称来了解为什么看到的结果如此之少。@Haidro:

.findAll（）

是

.find_all（）

的别名；两种方式都运行相同的代码。@halflings:从BS 4.2.0升级到4.2.1。现在

html5lib

也给了我1701，但仍然无法重现您的问题。在BS4.2.1、4.2.0、4.1.3和3.2.1上，无论有无html5lib，无需重新编程-所有1701不幸的是，升级lxml都没有帮助。另外，我找不到带有pip的libxml2和libxslt：

根本找不到libxml2的发行版；谢谢你的回答@半身人：
libxml2
不是python库，而是lxml使用的C库<代码>pip将无法升级：-PI拥有Ubuntu repos上的最新版本：2.9.0有趣；有可能是2.9.0在这里破坏了一些东西。哇，这一个实际上仍在工作。试试看，thebalitimes.com无法通过libxml获得它