Прекрасный суп findAll не находит их всех

Я пытаюсь разобрать веб-сайт и получить некоторую информацию с BeautifulSoup.findAll, но он не находит их всех.. Я использую питон3

код это

#!/usr/bin/python3

from bs4 import BeautifulSoup
from urllib.request import urlopen

page = urlopen ("http://mangafox.me/directory/")
# print (page.read ())
soup = BeautifulSoup (page.read ())

manga_img = soup.findAll ('a', {'class' : 'manga_img'}, limit=None)

for manga in manga_img:
    print (manga['href'])

он печатает только половину из них...

20
beautifulsoup findall python python-3.x

1 ответов

различные Парсеры HTML имеют дело по-разному с сломанным HTML. Эта страница служит сломанным HTML, и lxml парсер не очень хорошо справляюсь с этим:

>>> import requests
>>> from bs4 import BeautifulSoup
>>> r = requests.get('http://mangafox.me/directory/')
>>> soup = BeautifulSoup(r.content, 'lxml')
>>> len(soup.find_all('a', class_='manga_img'))
18

стандартная библиотека html.parser имеет меньше проблем с этой конкретной страницы:

>>> soup = BeautifulSoup(r.content, 'html.parser')
>>> len(soup.find_all('a', class_='manga_img'))
44

перевод этого в ваш конкретный образец кода с помощью urllib, вы бы указали парсер таким образом:

soup = BeautifulSoup(page, 'html.parser')  # BeatifulSoup can do the reading
50