基于whatwg html规范的html解析器
html5lib的Python项目详细描述
用法
简单用法如下：
importhtml5libwithopen("mydocument.html","rb")asf:document=html5lib.parse(f)
或：
importhtml5libdocument=html5lib.parse("<p>Hello World!")
默认情况下， 文档 将是一个 xml.etree 元素实例。 只要可能，html5lib就会选择加速的元素树。 实现（即python 2.x上的 xml.etree.celementree 。
支持另外两种树类型： xml.dom.minidom 和 lxml.etree 。要使用替代格式，请指定 树型建筑：
importhtml5libwithopen("mydocument.html","rb")asf:lxml_etree_document=html5lib.parse(f,treebuilder="lxml")
与 urllib2（python 2）一起使用时，http中的字符集应该是 按如下方式传递到html5lib：
fromcontextlibimportclosingfromurllib2importurlopenimporthtml5libwithclosing(urlopen("http://example.com/"))asf:document=html5lib.parse(f,transport_encoding=f.info().getparam("charset"))
当与 urllib.request（python 3）一起使用时，来自http的字符集 应该按如下方式传递到html5lib中：
fromurllib.requestimporturlopenimporthtml5libwithurlopen("http://example.com/")asf:document=html5lib.parse(f,transport_encoding=f.info().get_content_charset())
要对解析器有更多的控制，请显式地创建一个解析器对象。 例如，要使解析器在分析错误时引发异常，请使用：
importhtml5libwithopen("mydocument.html","rb")asf:parser=html5lib.HTMLParser(strict=True)document=parser.parse(f)
当显式实例化解析器对象时，传递一个treebuilder 类作为 树 关键字参数使用替代文档 格式：
importhtml5libparser=html5lib.HTMLParser(tree=html5lib.getTreeBuilder("dom"))minidom_document=parser.parse("<p>Hello World!")
有关更多文档，请访问https://html5lib.readthedocs.io/" rel="nofollow">https://html5lib.readthedocs.io/
欢迎加入QQ群-->： 979659372
