Miglior modulo Python per l'analisi HTML

Question

Ho un aggiornamento del sito Web (le persone possono aggiornare il contenuto (testo) non l'aspetto del sito Web) che ha HTML, javascript come front end lingue & python come lato back-end/server.

mi sto trovando che l'aggiornamento HTML è molto difficile dal front-end, perché quando prendo il codice HTML aggiornata da ele.innerHTML o $ (ele) .html() dà HTML alterato a seconda del browser (DAMN IE).

così ho deciso di aggiornare il mio HTML dal back-end, vale a dire, in Python

Cosa pensi sia il miglior modulo Python per analizzare HTML & informazioni afferrare?

miei requisiti sono:
- che il modulo sia atleast in Python 2.5 o inferiore (a causa del mio provider)
- sarò parsing del codice HTML & trovare tutti gli elementi HTML che sono della classe "aggiornabile"
- Per ogni elemento della classe "aggiornabile": estrai il testo interiore (non solo testo/contenuto html)

Quale modulo Python suggeriresti per questo?
- HTMLParser.py
- htmllib.py
- Conoscere altri moduli compatibili con Python 2.5?

Answer 1

Sto usando lxml (http://lxml.de/lxmlhtml.html). È relativamente veloce per documenti html di dimensioni normali e supporta l'uso di BeautifulSoup. A quanto ho capito, BeautifulSoup non è più supportato, quindi per tutti i nuovi progetti ho usato lxml.

Answer 2

Per analizzare HTML, suggerisco di dare un'occhiata a Beautiful Soup. È piuttosto potente e può gestire anche alcuni markup incasinati.

http://www.crummy.com/software/BeautifulSoup/

check this out e vedere se ti aiuta! Spero che lo faccia.