同じHTMLからリンクを抜く時間は、10000件の入力で、lxmlが80496250ナノ秒、selectolaxが23273417ナノ秒でした。 予想と違ったのは、時間より解析結果です。
tbodyを省いた表で、同じCSSの table#t > tbody > tr を当てると、lxmlは0件、selectolaxは1件でした。
ナノ秒は、10億分の1秒を表す単位です。
読み終わると、自分のHTMLにどちらが合うかを、使うセレクタと入力の大きさで決められます。
要素の抽出:3つの大きさの入力で、リンクは全件一致しました
10件、1000件、10000件のどの入力でも、lxmlとselectolaxは、期待したリンクを全部、同じ順番で抜き出しました。
入力は人工のHTMLで、英語と日本語を交互に置き、絵文字や入れ子の太字も混ぜました。
共通のCSSは main#catalog > article.item > a.title で、リンク先と中の文字を取り出して、期待値と照らしました。
| 入力 | lxmlの抽出件数 | lxmlの一致件数 | selectolaxの抽出件数 | selectolaxの一致件数 |
|---|---|---|---|---|
| 10件 | 10件 | 10件 | 10件 | 10件 |
| 1000件 | 1000件 | 1000件 | 1000件 | 1000件 |
| 10000件 | 10000件 | 10000件 | 10000件 | 10000件 |
lxmlのCSSは、内部でXPathに直してから使われます。 selectolaxの公式ページは、cssとcss_firstによるCSSセレクタでの選択を中心に説明しています。
出典: lxml公式のGitHubページ・selectolax公式のGitHubページ(ともに2026年11月5日確認)、測定記録(2026年11月5日実施)
解析結果:同じセレクタでも、書き方のゆるいHTMLでは件数が割れました
三つの小さなHTMLで、同じCSSを当てると、二つの木の形が違いました。 tbodyは、表の本体を囲む印です。HTMLでは省いても書けます。
| 入力 | 見る所 | lxml | selectolax |
|---|---|---|---|
| tbodyの省略 | table#t > tbody > tr の件数 | 0件(tbodyなし) | 1件(tbodyを補った) |
| 書式タグの不正な入れ子 | p#p > i の件数 | 0件 | 1件(文字は three) |
| table直下の文字 | table#t の中の文字 | outsideA | A(outsideは表の前へ移動) |
selectolaxは、省かれた印を補い、表の中に置けない文字を表の前へ移しました。 lxmlは、書かれたとおりに木を作りました。
どちらが正しいかは、この記事では決めません。 セレクタが同じでも、作られた木が違えば、件数が変わるという事例です。
出典: selectolax公式のGitHubページ(2026年11月5日確認)、測定記録(2026年11月5日実施)
処理時間:解析して抜き出すところまで含めると、差が広がりました
解析だけでも、解析して抜き出すまででも、6条件のすべてで、5回の計時のどれもselectolaxが短く終わりました。 下の表は、1回目の計時の値です。
バッチは、同じ処理をまとめて繰り返す1セットです。 回数は、10件で1000回、1000件で20回、10000件で2回を、1バッチとしました。
| 入力 | 操作 | 1バッチの回数 | lxml(ナノ秒) | selectolax(ナノ秒) |
|---|---|---|---|---|
| 10件 | 解析 | 1000回 | 20507459 | 10568250 |
| 10件 | 解析と抽出 | 1000回 | 45759375 | 17383208 |
| 1000件 | 解析 | 20回 | 31962292 | 14021833 |
| 1000件 | 解析と抽出 | 20回 | 74352750 | 22089833 |
| 10000件 | 解析 | 2回 | 33719584 | 15272792 |
| 10000件 | 解析と抽出 | 2回 | 80496250 | 23273417 |
回数がそろった同じ行の中で比べてください。 入力が小さいほど、Pythonのループなどの割合が大きくなります。
selectolaxの公式ページには、自前の比較で、Beautiful Soupより短い時間で終わったという説明があります。 その数字は使わず、手元の値だけを載せました。
出典: selectolax公式のGitHubページ(2026年11月5日確認)、測定記録(2026年11月5日実施)
落とし穴:速さの比べ方と、木の違いは別の話です
処理時間の表は、lxmlのCSSを事前に組み立てたうえで測っています。 CSSからXPathへの変換や、エンジンの作りは同じではないので、この表は、二つの呼び出し方を並べたものです。
もう一つの落とし穴は、時間の短さだけで選ぶことです。 tbodyを省いた表を読む場合、速いselectolaxのほうが、自分の期待した形の木になるとは限りません。
自分のHTMLに近い入力で、使うセレクタの件数を、先に確かめてください。
どちらを選ぶか:速さと簡単さならselectolax、XPathやXMLならlxmlです
選ぶ理由は、次の三つです。
- 時間を短くしたいならselectolaxです。10000件の解析と抽出は、80496250ナノ秒対23273417ナノ秒でした。
- XPathを使いたい、XMLも読みたいなら、lxmlです。selectolaxの公式ページには、XPathの説明が見当たりません。
- CSSセレクタだけで足りて、HTMLだけを読むなら、selectolaxで書き始めると軽く済みます。
次の箱で、二つの道具の一言まとめを見比べてください。
道具ごとの一言まとめ
lxml
XMLもHTMLも読める、機能の広い解析道具です。
selectolax
CSSセレクタで選ぶ、HTML専用の高速な解析道具です。
自分の使い方で選ぶ時は、次の流れ図を上から順にたどってください。
lxmlとselectolaxの選び方
- 1. XPathで要素を選びたい、またはXMLも読みたいですか?はい → lxmlを選びます。selectolaxの公式ページには、XPathの説明が見当たりません。いいえ → 次は質問2です。
- 2. tbodyを省いた表など、書き方のゆるいHTMLを、CSSの子セレクタで選びますか?はい → 手元の測定では、selectolaxの木のほうが、そのまま当たりました。いいえ → 次は質問3です。
- 3. 大量のHTMLを解析して、リンクなどを抜く時間を短くしたいですか?はい → selectolaxを選びます。手元の測定では、全条件で時間が短く終わりました。いいえ → どちらでも足ります。使い慣れた方で始めてください。
迷ったら、まずselectolaxで小さな入力を試します。 期待した件数が出ない時に、lxmlを足す順番が安全です。
測定と比較の範囲
測定は2026年11月5日(日本時間)に、このMac1台で行いました。
環境は、macOS 27.2、arm64、CPython 3.14.10です。
lxmlは6.1.3(libxml2 2.14.6)、selectolaxは1.0.2(Lexborの解析エンジン)、cssselectは1.6.0でした。
論理CPUは12で、CPUを直列に動かしました。 CPUの製品名は、照会していません。
入力は、人工データです。 10件、1000件、10000件の3種類で、同じUTF-8のバイト列を二つに渡しました。外部のデータや実在のサイトは使っていません。
操作は、全文書の解析と、解析してから共通のCSSでリンクの先と文字を取り出す処理の二つです。 各条件で、1バッチの準備運転のあとに5回計りました。実行順は交互にし、計時の間は循環ガベージコレクションを止め、結果の解放も時間に含めています。
入力の生成、import、lxmlのCSSの組み立て、照合、ディスクの読み書き、起動時間は入っていません。 解析結果の違いは、三つの小さな入力を、計時の外で観察したものです。
ブラウザーとの照合や、規格の網羅は行っていません。 AIの出力品質、実在のサイト、JavaScript、XMLも範囲外です。
selectolaxの他のエンジン、文字コードの自動判定、メモリ使用量、並列実行も測っていません。 別のOS、別のPython、別のCPU、GPUも範囲外です。
測定の開始時、このMacは他の作業も抱えていました。 CPUの周波数や他のプロセスは制御していません。
計時は5回だけで、有意差の検定もしていません。 公式ページの比較の数字も使っていません。
出典
公式ページ(すべて2026年11月5日に確認)
- lxml 公式 GitHub — https://github.com/lxml/lxml
- selectolax 公式 GitHub — https://github.com/rushter/selectolax
自前の測定(2026年11月5日実施)
変更履歴
| 日付 | 内容 |
|---|---|
| 2026-11-05 | 初版公開。同じ自作HTMLで、リンクの抽出、解析結果、処理時間を比べた |
