Python新手求助：解析指定HTML应选用bs4还是lxml？

作为Python新手，针对你给出的这种结构规整的HTML，选bs4（BeautifulSoup）或者lxml都能搞定，但得看你更看重啥——给你掰扯清楚：

优先选bs4的理由（新手友好型） #

• 上手零压力：语法直白得像说人话，比如要提取title和value的内容，写起来完全不用绕弯子，新手很快就能写出能跑的代码。
• 容错拉满：你给的示例里最后一个<div class="title">Section</di标签都没闭合，bs4完全不在意，照样能正常解析，不会给你抛一堆看不懂的错误。
• 给你整个示例代码感受下：

from bs4 import BeautifulSoup

html = '''<ul class="main-info-list"> <li class="span"> <div class="title">Address</div> <div class="value">Bangkok </div> </li> <li> <div class="title">Status</div> <div class="value">Finish</div> </li> <li> <div class="title">Type</div> <div class="value">Condo</div> </li> <li> <div class="title">Section</div> <div class="value">XXX</div> </li></ul>'''

soup = BeautifulSoup(html, 'html.parser')
info_list = soup.find('ul', class_='main-info-list').find_all('li')

result = {}
for li in info_list:
    title = li.find('div', class_='title').get_text(strip=True)
    value = li.find('div', class_='value').get_text(strip=True)
    result[title] = value

print(result)
# 输出: {'Address': 'Bangkok', 'Status': 'Finish', 'Type': 'Condo', 'Section': 'XXX'}

选lxml的场景（追求性能或灵活性） #

• 速度更快：如果以后你要处理超大的HTML文件，lxml的解析性能会比bs4原生的解析器好不少，但新手阶段处理这种小体量的内容，基本感受不到差别。
• 支持XPath：要是你愿意花点时间学XPath，提取元素会更灵活，一行XPath就能定位到所有title或者value。
• 同样给你整个示例：

from lxml import etree

html = '''<ul class="main-info-list"> <li class="span"> <div class="title">Address</div> <div class="value">Bangkok </div> </li> <li> <div class="title">Status</div> <div class="value">Finish</div> </li> <li> <div class="title">Type</div> <div class="value">Condo</div> </li> <li> <div class="title">Section</div> <div class="value">XXX</div> </li></ul>'''

tree = etree.HTML(html)
titles = tree.xpath('//ul[@class="main-info-list"]/li/div[@class="title"]/text()')
values = tree.xpath('//ul[@class="main-info-list"]/li/div[@class="value"]/text()')

result = dict(zip(titles, [v.strip() for v in values]))
print(result)
# 输出和上面一样

总结建议 #

咱新手嘛，先把事儿做成最重要！优先选bs4，门槛低、易调试，先把解析需求搞定，等以后熟悉了Python，再根据需要切换到lxml或者用bs4搭配lxml作为解析器（比如BeautifulSoup(html, 'lxml')，兼顾易用性和速度）。

内容的提问来源于stack exchange，提问作者KANIN SRIJUNDORN