我现在对我认为理解的东西感到困惑，但是事实证明我一直认为我是理所当然的。
一种经常遇到这种类型的for循环：
from bs4 import BeautifulSoup as bs
mystring = 'some string'
soup = bs(mystring,'html.parser')
for elem in soup.find_all():
[do something with elem]
我还没有得到太多关注的是elem实际上是什么，直到我遇到了这个简化字符串的版本：
mystring = 'opening text<p>text one<BR> text two.<br></p>
<p align="right">text three<br/> text four.</p><p class="myclass">text five. </p>
<p>text six <span style="some style">text seven</span></p>
<p>text 8. <span style="some other style">text nine</span></p>closing text'
我不确定我期望的输出是什么，但是当我运行此代码时：
counter = 1 #using 'normal' counting for simplification
for elem in soup.find_all():
print('elem ',counter,elem)
counter +=1
输出为：
elem 1 <p>text one<br/> text two.<br/></p>
elem 2 <br/>
elem 3 <br/>
elem 4 <p align="right">text three<br> text four.</br></p>
elem 5 <br> text four.</br>
elem 6 <p class="myclass">text five. </p>
elem 7 <p>text six <span style="some style">text seven</span></p>
elem 8 <span style="some style">text seven</span>
elem 9 <p>text 8. <span style="some other style">text nine</span></p>
elem 10 <span style="some other style">text nine</span>
so bs4 html.parser在字符串中发现了10个元素。他们的选择和演示对我来说似乎并不纯粹(例如，跳过opening text和closing text(。不仅如此，print(len(soup))的输出原来是7！
因此，为了确保，我将html.parser换成了lxml和html5lib。在这两种情况下，print(len(soup))不仅是1，而且elem S的数量跳至13！而且，自然，额外的元素是不同的。从第4个elem到末端，两个库都与html.parser相同。但是，对于前三个...
使用html5lib您得到：
elem 1 <html><head></head><body>opening text<p>text one<br/> text two.<br/></p><p align="right">text three<br/> text four.</p><p class="myclass">text five. </p><p>text six <span style="some style">text seven</span></p><p>text 8. <span style="some other style">text nine</span></p>closing text</body></html>
elem 2 <head></head>
elem 3 <body>opening text<p>text one<br/> text two.<br/></p><p align="right">text three<br/> text four.</p><p class="myclass">text five. </p><p>text six <span style="some style">text seven</span></p><p>text 8. <span style="some other style">text nine</span></p>closing text</body>
使用lxml，您可以得到：
elem 1 <html><body><p>opening text</p><p>text one<br/> text two.<br/></p><p align="right">text three<br/> text four.</p><p class="myclass">text five. </p><p>text six <span style="some style">text seven</span></p><p>text 8. <span style="some other style">text nine</span></p>closing text</body></html>
elem 2 <body><p>opening text</p><p>text one<br/> text two.<br/></p><p align="right">text three<br/> text four.</p><p class="myclass">text five. </p><p>text six <span style="some style">text seven</span></p><p>text 8. <span style="some other style">text nine</span></p>closing text</body>
elem 3 <p>opening text</p>
那么所有这些背后的哲学是什么？是谁的"错"？是否有"正确"或"错误"的答案？而且，实际上，我应该虔诚地跟随一个解析器，还是每个人都有时间和地点？
对问题的长度表示歉意。
首先，在您的情况下，root对象是soup变量，是BeautifulSoup对象。您可以像浏览器中的document对象一样想到它。在Beautifutsoup中，BeautifulSoup对象是从Element对象派生的，但实际上不是"元素"本身，更像是文档。
当您在元素上调用len(或Beautifuresoup对象(时，您会在对象的contents成员中获取节点数量。这可以包含注释，文档处理语句，文本节点，元素节点等。
一个良好的文档应该具有一个根元素，但是评论和文档处理语句在根级别也可以。在您的情况下，没有评论，也没有处理语句，我通常会期望长度为1。
lxml和html5lib尝试确保您拥有一个完善的文档，如果看到您有多个根元素，它们将将其包装在html和body标签中，并给您一个根元素。但是，如前所述，如果您的文档已经具有正确的根html元素，并且在根级别上具有注释或处理语句，则可能具有长度> 1。根据解析器，他们可以操纵其他内容以遵守他们在提供怪异畸形的HTML时也执行的任何规则。
另一方面。html.parser非常宽大。它不会试图纠正您在做什么，而只是在解析事情。在您的情况下，它返回一个怪异的文档，其中具有根级别的多个文本节点，以及根级别的多个<p>元素。因此，当您在soup上调用长度时，获得的值大于1。
通常。Beautifulsoup返回的初始元素是BeautifulSoup对象。它可能包含Element节点或NaviagableString节点(文本(，如果它们是评论，文档decleration，cdata或其他处理语句，则可能是各种子类型。NaviagableStrings(和相关的子类型(不是Element节点，而是包含在Element或BeautifulSoup对象的内容中。
取决于您是否赞成宽大处理，速度，HTML5正确性，XML支持等，它可能会影响您希望使用哪种解析器。另外，您有时可能希望在非常特定的用例中使用其他解析器。