BeautifulSoup 错误的开始标签？

Question

我正在尝试把Wordpress的XML文件转换成Octopress格式，部分使用BeautifulSoup这个工具来进行迁移。

当我运行exitwp这个命令时，输出结果是这样的：

writing......................................................Traceback (most recent call last):


File "exitwp.py", line 293, in <module>
    write_jekyll(data, target_format)
  File "exitwp.py", line 284, in write_jekyll
    out.write(html2fmt(i['body'], target_format))
  File "exitwp.py", line 45, in html2fmt
    return html2text(html, '')
  File "/Users/kevinquillen/Documents/workspace/exitwp2/html2text.py", line 700, in html2text
    return optwrap(html2text_file(html, None, baseurl))
  File "/Users/kevinquillen/Documents/workspace/exitwp2/html2text.py", line 695, in html2text_file
    h.feed(html)
  File "/Users/kevinquillen/Documents/workspace/exitwp2/html2text.py", line 285, in feed
    HTMLParser.HTMLParser.feed(self, data)
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/HTMLParser.py", line 108, in feed
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/HTMLParser.py", line 148, in goahead
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/HTMLParser.py", line 229, in parse_starttag
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/HTMLParser.py", line 304, in check_for_whole_start_tag
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/HTMLParser.py", line 115, in error
HTMLParser.HTMLParseError: malformed start tag, at line 1, column 64

我试过使用BeautifulSoup的版本3.2.0和3.0.7a，但都没有什么效果。

我还尝试过导出不同时间范围的帖子，但仍然在第1行出现同样的错误，只是列号在变化。

我能想到的唯一原因是一些旧帖子里有广告代码，但除此之外，我该如何轻松找到是哪个帖子内容导致了这个问题呢？

我在OSX 10.7上使用的是Python 2.7。

补充：在一个页面导出（只有2个页面）时也出现了这个问题，而这些页面没有任何错误的标记。

更新：看起来它不喜欢锚标签。像下面这样的标签，内容里很基本的链接。去掉这些标签后，它就能正确编译了。为什么它不喜欢这种HTML呢？去掉这些标签后就没有错误了。

<a href="http://www.google.com" target="_blank">Google</a>

beautifulsoup 数据迁移代码兼容性 wordpress xml转换锚标签 octopress html错误

BeautifulSoup 错误的开始标签？

1 个回答

撰写回答