Docker容器中html5lib无法被BeautifulSoup识别的问题求助

1. 确认Python环境一致性 #

• 进入容器执行which python和python -m pip list，对比普通pip list的输出，确认两个命令结果里都有html5lib==1.1。如果python -m pip list里找不到该包，说明你用pip安装的包不在代码运行的Python环境中，得用对应版本的pip重新安装：

  python -m pip install html5lib==1.1
  

2. 检查Dockerfile依赖安装逻辑 #

• 确保Dockerfile里先复制requirements.txt再执行安装命令，避免镜像缓存导致新依赖没生效：

  COPY requirements.txt .
  RUN pip install --no-cache-dir -r requirements.txt
  COPY . .
  

• 不要在pip install时加--user参数，否则包会被安装到当前用户目录，若代码以其他用户身份运行，会无法访问这些依赖包。

3. 排查虚拟环境干扰 #

• 如果Dockerfile里用了虚拟环境，必须确保代码运行时环境已被激活。比如：

  RUN python -m venv /venv
  ENV PATH="/venv/bin:$PATH"
  RUN pip install --no-cache-dir -r requirements.txt
  

• 不要在容器内手动激活虚拟环境后安装包，再用未激活的环境运行代码，这会导致代码找不到依赖。

4. 验证html5lib及其依赖完整性 #

• 在容器内执行以下命令，检查html5lib能否正常导入：

  python -c "import html5lib; print(html5lib.__version__)"
  

  如果报错，说明html5lib的依赖（比如six、webencodings）缺失或版本冲突。可以手动安装指定版本的依赖：

  python -m pip install six==1.16.0 webencodings==0.5.1
  

  或者直接把这些依赖加到requirements.txt里，避免自动安装的版本不兼容。

5. 检查Docker Compose卷挂载 #

• 查看docker-compose.yml的volumes配置，如果挂载了本地目录到容器的代码目录（比如./app:/app），检查本地是否有venv、__pycache__这类目录，它们可能会覆盖容器内安装的依赖。可以用.dockerignore文件忽略这些目录：

  venv/
  __pycache__/
  

6. 核对GitHub Action构建日志 #

• 登录GitHub仓库的Actions页面，查看镜像构建阶段的日志，确认pip install步骤有没有报错，requirements.txt是否被正确复制到镜像中，所有依赖是否都安装成功。

内容的提问来源于stack exchange，提问作者chrisg06