xml.etree.ElementTree.ParseError：スクリプトの "<"記号のため、整形式ではありません（無効なトークン）

Question

Webページを解析して、ExcelまたはCSVファイル内のデータを保存しようとしています。

import urllib.request 
import xml.etree.ElementTree as ET 

url = "http://rusdrama.com/afisha" 
response = urllib.request.urlopen(url) 
content = response.read() 
root = ET.fromstring(content) 

私は、次のエラーを得たのElementTree fromstring方法を使用してページを解析：

Traceback (most recent call last): 
    File "D:/PythonProjects/PythonMisc/theater_reader.py", line 7, in <module> 
    root = ET.fromstring(content) 
    File "D:\Python\Python35\lib\xml\etree\ElementTree.py", line 1333, in XML 
    parser.feed(text) 
xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 49, column 14 

受信したページの一部は以下の通りです：

<script> 
    jQuery(document).ready(function(){ 
    jQuery(window).scroll(function() { 
     var scroll = jQuery(window).scrollTop(); 
     if (scroll >= 100) { 
      jQuery(".t3-header").addClass("solid"); 
     } 
     if (scroll <= 100) { 
      jQuery(".t3-header").removeClass("solid"); 
     } 
    }); 
    }) 
</script> 

、具体的に行49：

if (scroll <= 100) { 

問題は、開始タグ記号として処理されているように見える角括弧を開くことです。 私はいくつかの同様の質問を見ましたが、この状況をどう対処するのか理解できません。

Answer 1

XMLパーサーでHTMLを解析しようとしています。適切なツール、HTMLパーサーを代わりに使用してください。BeautifulSoupまたはlxml.htmlが最も一般的です。

デモ：

>>> from bs4 import BeautifulSoup 
>>> import urllib.request 
>>> 
>>> url = "http://rusdrama.com/afisha" 
>>> response = urllib.request.urlopen(url) 
>>> 
>>> soup = BeautifulSoup(response, "html.parser") 
>>> print(soup.title.get_text()) 
Афиша Харьковского академического русского драматического театра Пушкина