同じ100段落のHTMLを木に読み込むだけなら、parselは0.0532ミリ秒、BeautifulSoupは0.6512ミリ秒でした。 ところが、読み込み済みの木から文字を取り出す段になると、順位が逆になります。
BeautifulSoupは0.0702ミリ秒、parselは0.9265ミリ秒でした。 さらに、空白だけの段落を混ぜた条件では、12段落のうち6段落で両者の出力が食い違いました。
抽出した文字列の一致:普通の文書は全件そろい、空白だけ割れた
ふつうに文章が入った3種類の文書では、取り出した文字列のリストが期待値と全件一致しました。 食い違ったのは、空白だけの段落を含む文書です。
測ったのは次の4種類の人工HTMLです。 文書ごとに、BeautifulSoupとparselの出力を、手で書いた期待値と突き合わせました。
| 条件 | 中身 | 段落数 | 両者が一致 | BeautifulSoupと期待値が一致 | parselと期待値が一致 |
|---|---|---|---|---|---|
| plain100 | 英数字と日本語の単純な段落 | 100件 | 100件 | 100件 | 100件 |
| rich100 | 入れ子の装飾や文字参照を含む段落 | 100件 | 100件 | 100件 | 100件 |
| rich1000 | rich100と同じ型を繰り返したもの | 1000件 | 1000件 | 1000件 | 1000件 |
| whitespace12 | 空白・タブ・改行だけの段落を含む | 12件 | 6件 | 6件 | 12件 |
ここが落とし穴です。 空白だけの段落で、両者の返す文字列が違いました。
たとえば、空白とタブだけの入力を、BeautifulSoupは空白1個にして返しました。 parselは入力どおりの文字列を返しました。 改行と空白だけの入力でも、BeautifulSoupは改行1個になり、parselは元のままでした。
この差は、使ったAPIの既定の動きの違いです。 文字の前後の空白を後で分析に使うなら、parsel側のほうが入力に忠実でした。
文字参照(& のようにHTMLで記号を書く書き方)や入れ子の装飾は、どちらも同じ結果でした。
HTML読み込みと要素検索:読み込みはparsel、検索はBeautifulSoup
読み込みはparselが速く、読み込み済みの木からの検索と抽出はBeautifulSoupが速い、というのが測定の結果です。 四つの条件のすべてで、同じ向きに差が出ました。
「読み込み」は、HTMLの文字列を、入れ子の形で覚えた入れ物(木)に変える作業です。 「抽出」は、その木からp要素を探して、中の文字をつなげる作業です。 下の表は、この二つを別々に測った、1文書あたりの時間の中央値です。
| 条件 | 段階 | BeautifulSoup(ミリ秒) | parsel(ミリ秒) |
|---|---|---|---|
| plain100 | 読み込みだけ | 0.6512 | 0.0532 |
| plain100 | 抽出だけ | 0.0702 | 0.9265 |
| rich100 | 読み込みだけ | 1.3543 | 0.0876 |
| rich100 | 抽出だけ | 0.0953 | 0.8810 |
| rich1000 | 読み込みだけ | 10.5831 | 0.6842 |
| rich1000 | 抽出だけ | 0.8160 | 8.0718 |
| whitespace12 | 読み込みだけ | 0.1222 | 0.0122 |
| whitespace12 | 抽出だけ | 0.0099 | 0.0978 |
parselの公式ページは、XPathやCSSセレクターで文書から情報を取り出すと説明しています。 今回のparselは、各p要素ごとにXPathを呼んで文字を取る書き方でした。
その書き方だと、p要素の数が増えるほど抽出の時間も増えます。 rich1000では、parselの抽出が8.0718ミリ秒、BeautifulSoupは0.8160ミリ秒でした。
一言でいうと
BeautifulSoup
木の中を探して文字を取るのが速い道具です。
parsel
HTMLを木にする読み込みが速い道具です。
処理時間:全工程の勝ち負けは段落数と使い方で変わった
読み込みから抽出までの全工程では、plain100だけBeautifulSoupが先に終わり、残りの3条件はparselが先でした。 読み込みの差が大きいか、抽出の差が大きいかで、合計の勝ち負けが入れ替わります。
次の表は、HTMLの文字列を受け取って、文字列のリストを返すまでの時間です。 中央値は、9回のバッチ(まとめて処理した1回分)の平均時間から出したものです。
| 条件 | BeautifulSoup(ミリ秒) | parsel(ミリ秒) | 先に終わったほう |
|---|---|---|---|
| plain100 | 0.7922 | 1.0164 | BeautifulSoup |
| rich100 | 1.2449 | 0.8715 | parsel |
| rich1000 | 10.5860 | 8.2093 | parsel |
| whitespace12 | 0.1422 | 0.1092 | parsel |
whitespace12は、先ほどのとおり出力の内容が違います。 同じ文字列を得た比較ではないので、時間の勝ち負けは参考にとどめてください。
読み込みと抽出の中央値を足しても、全工程の中央値にはなりません。 それぞれ別々に測ったからです。
全工程の表だけを見て選ぶと、plain100のように、抽出の速さが効く場面を見落とします。 同じHTMLを何度も使い回すかどうかを、先に考えるのがおすすめです。
選ぶ理由は3つ:向く人・向かない人・代わりの道
選ぶ決め手は、同じHTMLを何度読むか、空白をどう扱いたいか、全工程の時間のどれを見るかの三つです。 下の三つを上から順に確かめれば、どちらを使うか決まります。
- ① 同じ木から何度も探すなら、BeautifulSoupです。rich1000の抽出が0.8160ミリ秒で、parselの8.0718ミリ秒より小さく済みました。
- ② HTMLを一度読んで抜くだけなら、parselです。rich1000の全工程が8.2093ミリ秒で、BeautifulSoupの10.5860ミリ秒より短くなりました。
- ③ 空白を入力どおり残したいなら、parselです。whitespace12で期待値と一致したのは、parselが12件、BeautifulSoupが6件でした。
BeautifulSoupが向かないのは、大きなHTMLを大量に、一度ずつ読んで捨てる処理です。 parselが向かないのは、同じ木から何度も段落を取り出す処理です。
どちらにも決めきれないときは、今回のようにp要素を取り出す小さな処理を自分のHTMLで測るのが確実です。 計測の手順は、公開している再実行用のファイルにそのまま書いてあります。
どちらを選ぶかの流れ
- 1. 文字の前後の空白を、そのまま残したいですか?はい → parselを選びます。いいえ → 2
- 2. 一度読み込んだHTMLの木から、何度も探しますか?はい → BeautifulSoupを選びます。いいえ → 読んで抜くだけなら、parselを選びます。
測定と比較の範囲
この結果は、2026年11月21日に、1台のMacで測った人工HTML4種に限った値です。 環境はmacOS 27.2.1・arm64・論理CPU12個で、CPython 3.14.10(GIL版)を使いました。
BeautifulSoupは4.14.3、parselは1.10.0、読み込みの土台のlxmlは6.0.2です。 どちらも同じlxmlを使っています。
BeautifulSoupは、lxmlを指定して find_all('p') と get_text で取り出しました。
parselは、Selector で読み込み、CSSで p を選びました。
各要素にはXPathの string(.) をかけています。
計時は、1バッチ目を捨てて9バッチを測り、1バッチは10文書または30文書です。
実行順は交互にして、ガベージコレクション(使い終わった領域の自動の片付け)は止めていません。
この数字は、この環境と固定した版での値です。 別のMacや新しい版で同じになる保証はありません。
壊れたHTML、script要素やpre要素を含む文書は測っていません。 メモリの使用量、通信を含む処理、別のパーサー、別のAPIの組み合わせも測っていません。
parselの抽出は、各p要素ごとにXPathを呼ぶ形に限った値です。 CPUの周波数や他のプロセスの負荷は固定していないので、数字は目安として読んでください。
測定の記録は、次のファイルで公開しています。
出典
出典: BeautifulSoup公式の文書(2026年11月21日確認)https://www.crummy.com/software/BeautifulSoup/bs4/doc/
出典: parsel公式のGitHubリポジトリ(2026年11月21日確認)https://github.com/scrapy/parsel
