lxmlの解析HTML beautifulsoupが

Question

合理的な解析されたを返しながら、空の結果を返します。私は、伝統的に、彼らはそのlxmlのはBeautifulSoupよりも厳しいと言っている、しかし、私は何を得ることはありませんが、以下であることを理解してください：

（基本的に私は要求しています私はhttp://basic.10jqka.com.cn/600000/company.htmlのようなリンクが仕事をして、言ったように

In [1]: headers = {'User-Agent': ''} 

In [2]: url = 'http://basic.10jqka.com.cn/600219/company.html' 

In [3]: headers = {'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:46.0) Gecko/20100101 Firefox/46.0'} 

In [6]: import lxml.html 

In [7]: res = requests.get(url, headers=headers) 

In [8]: tree = lxml.html.fromstring(res.content) 
--------------------------------------------------------------------------- 
ParserError        Traceback (most recent call last) 
<ipython-input-8-b512dc78ed68> in <module>() 
----> 1 tree = lxml.html.fromstring(res.content) 

/home/jgu/repos/.venv36/lib/python3.6/site-packages/lxml/html/__init__.py in fromstring(html, base_url, parser, **kw) 
    874  else: 
    875   is_full_html = _looks_like_full_html_unicode(html) 
--> 876  doc = document_fromstring(html, parser=parser, base_url=base_url, **kw) 
    877  if is_full_html: 
    878   return doc 

/home/jgu/repos/.venv36/lib/python3.6/site-packages/lxml/html/__init__.py in document_fromstring(html, parser, ensure_head_body, **kw) 
    763  if value is None: 
    764   raise etree.ParserError(
--> 765    'Document is empty') 
    766  if ensure_head_body and value.find('head') is None: 
    767   value.insert(0, Element('head')) 

ParserError: Document is empty 

In [12]: from bs4 import BeautifulSoup 

In [13]: soup = BeautifulSoup(res.content, 'html.parser') 

In [14]: soup.title 
Out[14]: <title>南山铝业(600219) 公司资料_F10_同花顺金融服务网</title> 

In [15]: sel_query = (
    ...:  '#detail > div.bd > table > tbody > tr:nth-of-type(1) > ' 
    ...:  'td:nth-of-type(2) > span' 
    ...:) 

In [16]: soup.select(sel_query) 
Out[16]: [<span>山东南山铝业股份有限公司</span>] 

In [17]: soup.select(sel_query)[0].text 
Out[17]: '山东南山铝业股份有限公司' 

）のウェブページは、中国語で、そして。いくつかのスパンを選択するために期待し、同様のページがエラーなしで動作することができますが、いくつかのリンクがlxmlのためだけに解析することはできません。

解析結果が空のときにbs4に戻ることができますが、lxmlがソースから妥当なdomツリーを解析できない理由を理解したいと思います。ありがとう

Answer 1

fromstring機能からlxml.htmlはstring type variableを必要とします。そしてresponse.contentはbytesを返します。使用response.textが正しいでしょう。

BeautifulSoupの場合、コンストラクタはa string or a file-like objectを受け入れます。