Beautiful Soup 4 find_all no encuentra enlaces que encuentra Beautiful Soup 3
Noté un error realmente molesto: BeautifulSoup4 (paquete:bs4
) a menudo encuentra menos etiquetas que la versión anterior (paquete:BeautifulSoup
).
Aquí hay una instancia reproducible de ese problema:
import requests
import bs4
import BeautifulSoup
r = requests.get('http://wordpress.org/download/release-archive/')
s4 = bs4.BeautifulSoup(r.text)
s3 = BeautifulSoup.BeautifulSoup(r.text)
print 'With BeautifulSoup 4 : {}'.format(len(s4.findAll('a')))
print 'With BeautifulSoup 3 : {}'.format(len(s3.findAll('a')))
Salida:
With BeautifulSoup 4 : 557
With BeautifulSoup 3 : 1701
La diferencia no es menor como se puede ver.
Aquí están las versiones exactas de los módulos en caso de que alguien se esté preguntando:
In [20]: bs4.__version__
Out[20]: '4.2.1'
In [21]: BeautifulSoup.__version__
Out[21]: '3.2.1'