使用Python3.2,我尝试直接从html.parser
documentation开始示例:
from html.parser import HTMLParser
class MyHTMLParser(HTMLParser):
def handle_starttag(self, tag, attrs):
print("Encountered a start tag:", tag)
def handle_endtag(self, tag):
print("Encountered an end tag :", tag)
def handle_data(self, data):
print("Encountered some data :", data)
parser = MyHTMLParser(strict=False)
parser.feed('<html><head><title>Test</title></head>'
'<body><h1>Parse me!</h1></body></html>')
我得到的不是文档上显示的结果:
^{pr2}$由于某些原因,它将某些标记视为数据,但仅当strict=False
时才处理。如果strict=True
我得到正确的结果:
Encountered a start tag: html
Encountered a start tag: head
Encountered a start tag: title
Encountered some data : Test
Encountered an end tag : title
Encountered an end tag : head
Encountered a start tag: body
Encountered a start tag: h1
Encountered some data : Parse me!
Encountered an end tag : h1
Encountered an end tag : body
Encountered an end tag : html
这是一个已修复的错误(http://bugs.python.org/issue13273)。实际上,当您查看http://hg.python.org/cpython/log/9ce5d456138b/Lib/html/parser.py时,有很多关于
Strict=False
问题的日志消息;这几乎让人觉得这应该被视为beta。在如果您使用文件(http://hg.python.org/cpython/raw-file/9ce5d456138b/Lib/html/parser.py)的最新版本并使用它,那么至少文档中的示例可以再次使用。尽管如此,就我个人而言,我还是有点厌倦了相信Strict=False在“关键应用程序”中工作。在
相关问题 更多 >
编程相关推荐