使用 beautifulsoup 解析网页非常的慢，有什么同类产品可以替代么？

[halfcrazy]

另 如果单纯用正则匹配的话，效率如何？

[for4]

我一直用的lxml。

你可以看一下这个
http://www.cnblogs.com/rzhang/archive/2011/12/29/python-html-parsing.html

[halfcrazy]

@for4 如果性能能相差十倍，确实很诱人，这就试试去

[qonco]

jsoup

[qonco]

正则不是用来匹配html的

[Ever]

@halfcrazy 美丽汤指定第二个参数为lxml就能走lxml parser, 不用重写。

[halfcrazy]

@qonco jsoup是java的啊，另我的意思是只用正则来解析网页提取内容。

[halfcrazy]

@Ever 是这样么？ soup = BeautifulSoup(page,"lxml")

[halfcrazy]

@Ever 用了这个lxml’s HTML parser效果似乎不是很明显啊

[bilipan]

pyquery可以试下，语法跟jquery类似

[binux]

正则比xml建树快得多，直接用xpath，比soup，pyquery快。
即便如此，lxml单进程每秒30个页面还是没问题的。加大并发就好了。

[flyer103]

@binux 想问下 “lxml单进程每秒30个页面还是没问题的” 是如何测出来的，平均获取单个页面中的数据条目有多少？

[binux]

@flyer103 timeit，每个页面80条xpath规则

[andyhu]

可以不用python吗？nodejs+cheerio非常爽，完全jquery的语法解析，速度也很快

[kxxoling]

bs有坑啊！lxml！

[187j3x1]

匹配一堆相同内容 正则舒服很多 能正则就正则

[dreasky]

亲测正则的速度快最灵活

[a2z]

bs4

[tomnee]

pyquery, 套的lxml, 性能比bs好，用起来比较简单。

[daiv]

pyquery，用起来还是很舒服的

[walleL]

不知道大家有没有注意过这个功能， 很赞啊