PythonでWebページを解析する際の問題

Question

Webページを解析してその情報を取得したいのですが（私の問題はこのリストのすべての項目を取得することです：http://www.computerhope.com/vdef.htm）。

しかし、私はそれを行う方法を理解できません。

これでインターネットスタート（簡体字）のチュートリアルがたくさん： html5lib.parse(urlopen("http://www.computerhope.com/vdef.htm"))

しかし、その後、チュートリアルのどれも私が文書を閲覧し、私が探していますHTML部分を行くことができる方法を説明していません。

CSSSelectorで行う方法を説明しているチュートリアルもありますが、すべてのチュートリアルはウェブページではなく文字列で始まります（例：http://lxml.de/cssselect.html）。

だから私は、これを使用してWebページでツリーを作成しようとしました： fromstring(urlopen("http://www.computerhope.com/vdef.htm").read()) が、私はこのエラーを得た： lxml.etree.XMLSyntaxError: Specification mandate value for attribute itemscope, line 3, column 28を。このエラーは、指定されていない属性（例：<input attribute></input>）があるためですが、ウェブページを管理していないため、回避できません。

だからここに私の問題を解決できるいくつかの質問があります：

• がどのようにツリーを参照することができますか？
• パーサをあまり厳しくする方法はありますか？

ありがとうございます！

Answer 1

美しいスープを試してみてください。いくつかの優れた機能があり、Pythonでの解析が非常に簡単です。 https://www.crummy.com/software/BeautifulSoup/bs4/doc/

EDITでそのドキュメントの

チェック：

@mzjnが指摘したように、私は思ったので、私は、（それがダウンして投票する理由である）の回答でコードサンプルが含まれていませんでしたがOPは自分自身でそれを理解しなければならない。私は彼を助けることができると思いますので、ここでそれは、リスト内のすべての項目を出力コード

from bs4 import BeautifulSoup 
import requests 

page = requests.get('http://www.computerhope.com/vdef.htm') 
soup = BeautifulSoup(page.text) 
tables = soup.findChildren('table') 
for i in (tables[0].findAll('a')): 
    print(i.text) 

がある、私はOPはそれに応じて調整を行うことを願っています。

少なくとも今私は私の答えがupvoted得ることを望んでいる。