Python中有没有好用的HTML格式处理库？
网上搜了一圈没有找到合适，做下伸手党。 爬虫得到的是 html 内容，带大量各类标签及 css，id 等 attr 内容， 想通过一个库之间输出干净的 html 只保留简单的 p br img 等标签，谢谢大家
Python中有没有好用的HTML格式处理库？
15 回复
对于HTML处理，Python有几个不错的库，具体选哪个得看你的需求。
1. BeautifulSoup 这是最常用的库，解析灵活，支持多种解析器（lxml, html.parser）。
from bs4 import BeautifulSoup
html = "<p>Hello <b>World</b></p>"
soup = BeautifulSoup(html, 'html.parser')
print(soup.find('b').text) # 输出: World
适合网页抓取和数据提取。
2. lxml 性能比BeautifulSoup好，支持XPath。
from lxml import html
tree = html.fromstring("<p>Hello <b>World</b></p>")
print(tree.xpath('//b/text()')[0]) # 输出: World
需要高性能解析或者用XPath选元素时用它。
3. html5lib 严格按照HTML5标准解析，能处理混乱的标记。
from bs4 import BeautifulSoup
soup = BeautifulSoup("<p>Hello", 'html5lib')
print(soup.prettify()) # 输出格式良好的HTML
处理不规范的HTML时很可靠。
总结：根据具体场景选库就行。
