Beautiful Soup - 故障排除

如果您在嘗試解析 HTML/XML 文件時遇到問題，則更有可能是因為所使用的解析器如何解釋該文件。為了幫助您找到並解決問題，Beautiful Soup API 提供了一個 diagnose() 實用程式。

Beautiful Soup 中的 diagnose() 方法是用於隔離常見問題的診斷套件。如果您在理解 Beautiful Soup 對文件的操作方面遇到困難，請將文件作為引數傳遞給 diagnose() 函式。一個報告將向您展示不同的解析器如何處理文件，並告訴您是否缺少解析器。

diagnose() 方法在 bs4.diagnose 模組中定義。其輸出以如下訊息開頭：

示例

diagnose(markup)

輸出

Diagnostic running on Beautiful Soup 4.12.2
Python version 3.11.2 (tags/v3.11.2:878ead1, Feb  7 2023, 16:38:35) [MSC v.1934 64 bit (AMD64)]
Found lxml version 4.9.2.0
Found html5lib version 1.1
Trying to parse your markup with html.parser
Here's what html.parser did with the markup:

如果它沒有找到這些解析器中的任何一個，也會出現相應的提示訊息。

I noticed that html5lib is not installed. Installing it may help.

如果提供給 diagnose() 方法的 HTML 文件格式正確，則任何解析器解析的樹都將相同。但是，如果格式不正確，則不同的解析器會進行不同的解釋。如果您沒有得到預期的樹，更改解析器可能會有所幫助。

有時，您可能為 XML 文件選擇了 HTML 解析器。HTML 解析器在錯誤地解析文件時會新增所有 HTML 標籤。檢視輸出，您將意識到錯誤並可以幫助進行更正。

如果 Beautiful Soup 丟擲 HTMLParser.HTMLParseError，請嘗試更改解析器。

解析錯誤 HTMLParser.HTMLParseError: malformed start tag 和 HTMLParser.HTMLParseError: bad end tag 均由 Python 的內建 HTML 解析器庫生成，解決方法是安裝 lxml 或 html5lib。

如果您遇到 SyntaxError: Invalid syntax（在 ROOT_TAG_NAME = '[document]' 行），則這是由於在 Python 3 下執行舊版 Python 2 的 Beautiful Soup，而沒有轉換程式碼。

帶有訊息 No module named HTMLParser 的 ImportError 是因為在 Python 3 下使用了舊版 Python 2 的 Beautiful Soup。

而 ImportError: No module named html.parser - 是由於在 Python 2 下執行 Python 3 版本的 Beautiful Soup 引起的。

如果您收到 ImportError: No module named BeautifulSoup - 通常情況下，這是因為在沒有安裝 BS3 的系統上執行 Beautiful Soup 3 程式碼。或者，在編寫 Beautiful Soup 4 程式碼時不知道包名稱已更改為 bs4。

最後，ImportError: No module named bs4 - 是因為您在沒有安裝 BS4 的系統上嘗試使用 Beautiful Soup 4 程式碼。