Beautiful Soup - 故障排除

如果您在尝试解析 HTML/XML 文档时遇到问题，则更有可能是因为所使用的解析器如何解释该文档。为了帮助您找到并解决问题，Beautiful Soup API 提供了一个 diagnose() 实用程序。

Beautiful Soup 中的 diagnose() 方法是用于隔离常见问题的诊断套件。如果您在理解 Beautiful Soup 对文档的操作方面遇到困难，请将文档作为参数传递给 diagnose() 函数。一个报告将向您展示不同的解析器如何处理文档，并告诉您是否缺少解析器。

diagnose() 方法在 bs4.diagnose 模块中定义。其输出以如下消息开头：

示例

diagnose(markup)

输出

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:

如果它没有找到这些解析器中的任何一个，也会出现相应的提示消息。

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

如果提供给 diagnose() 方法的 HTML 文档格式正确，则任何解析器解析的树都将相同。但是，如果格式不正确，则不同的解析器会进行不同的解释。如果您没有得到预期的树，更改解析器可能会有所帮助。

有时，您可能为 XML 文档选择了 HTML 解析器。HTML 解析器在错误地解析文档时会添加所有 HTML 标签。查看输出，您将意识到错误并可以帮助进行更正。

如果 Beautiful Soup 抛出 HTMLParser.HTMLParseError，请尝试更改解析器。

解析错误 HTMLParser.HTMLParseError: malformed start tag 和 HTMLParser.HTMLParseError: bad end tag 均由 Python 的内置 HTML 解析器库生成，解决方法是安装 lxml 或 html5lib。

如果您遇到 SyntaxError: Invalid syntax（在 ROOT_TAG_NAME = '[document]' 行），则这是由于在 Python 3 下运行旧版 Python 2 的 Beautiful Soup，而没有转换代码。

带有消息 No module named HTMLParser 的 ImportError 是因为在 Python 3 下使用了旧版 Python 2 的 Beautiful Soup。

而 ImportError: No module named html.parser - 是由于在 Python 2 下运行 Python 3 版本的 Beautiful Soup 引起的。

如果您收到 ImportError: No module named BeautifulSoup - 通常情况下，这是因为在没有安装 BS3 的系统上运行 Beautiful Soup 3 代码。或者，在编写 Beautiful Soup 4 代码时不知道包名称已更改为 bs4。

最后，ImportError: No module named bs4 - 是因为您在没有安装 BS4 的系统上尝试使用 Beautiful Soup 4 代码。