Python中的html5lib和lxml解析器
html5lib是用于解析HTML的纯Python库。它被设计为符合WHATWGHTML规范，所有主要的Web浏览器都实现了该规范。它可以解析HTML文档的几乎所有元素，将其分解为不同的标记和片段，可以针对各种用例将其过滤掉。它以与主要浏览器相同的方式解析文本。它还可以处理损坏的HTML标记并添加一些必要的标记以完成结构。它也是用纯python代码编写的。
lxml也是一个类似的解析器，但是由XML特性驱动，而不是由HTML驱动。它依赖于外部C库。与html5lib相比，它更快。
让我们通过一个样本标签示例观察这两个解析器在行为上的差异，并查看输出。
示例
from bs4 import BeautifulSoup
html5_structure = BeautifulSoup("<head><li></p>", "html5lib")
print(html5_structure)
lxml_structure = BeautifulSoup("<head><li></p>", "lxml")
print(lxml_structure)运行上面的代码给我们以下结果
输出结果
<html><head></head><body><li><p></p></li></body></html> <html><head></head><body><li></li></body></html>
如我们所见，html5lib通过合并
标签。lxml库更侧重于类似xml的结构，并且完全忽略了标记。