1

HTMLParser を使用して、Python で終了タグを使用せずに、または無効な終了タグを使用して HTML を処理しようとしています。

エントリ：

<div>
  <p>foo 
</div>
bar</span>

出力: (開いているタグを閉じて、間違ったクロージャを開く)

<div>
  <p>foo</p>
</div>
<span>bar</span>

または、（開いているすべてのタグをすぐに開いたり閉じたりせずにクロージャーを削除する）

<div>
  <p>foo bar</p>
</div>

私のコードは開始タグのみを閉じますが、HTMLParser のループで HTML を編集できません。

from HTMLParser import HTMLParser

singleton_tags = [
  'area','base','br','col','command','embed','hr',
  'img', 'input','link','meta','param','source'
]

class HTMLParser_(HTMLParser):

    def __init__(self, *args, **kwargs):
        HTMLParser.__init__(self, *args, **kwargs)
        self.open_tags = []

    # Handle opening tag
    def handle_starttag(self, tag, attrs):
        if tag not in singleton_tags:
            self.open_tags.append(tag)

    # Handle closing tag
    def handle_endtag(self, tag):
        if tag not in singleton_tags:
            self.open_tags.pop()

def close_tags(text):
    parser = HTMLParser_()

    # Mounts stack of open tags
    parser.feed(text)

    # Closes open tags
    text += ''.join('</%s>'%tag for tag in parser.open_tags)

    return text
4

1 に答える 1

2

BeautifulSoupを調べることをお勧めします。これは、私が (あらゆる言語で) 使用した中で最高の HTML パーサーであり、Python での HTML の操作が非常に簡単になります。

prettifyあなたに役立つかもしれない機能があります。ドキュメントの印刷というタイトルのセクションを確認してください。

于 2012-08-22T23:37:36.907 に答える