这个html5lib脚本是怎么回事？
这个html5lib脚本是怎么回事？
提问于 2012-02-02 13:35:30
尝试处理一个非常简单的html5脚本并使用html5lib呈现它
import html5lib
html = '''<!DOCTYPE html>
<html lang="en">
<head>
<title>Hi</title>
</head>
<body>
<script src="a.js"></script>
<script src="b.js"></script>
</body>
</html>
'''
parser = html5lib.HTMLParser(tree = html5lib.treebuilders.getTreeBuilder("lxml"))
walker = html5lib.treewalkers.getTreeWalker("lxml")
serializer = html5lib.serializer.htmlserializer.HTMLSerializer()
document = parser.parse(html)
stream = walker(document)
theHTML = serializer.render(stream)
print theHTML输出如下所示：
<!DOCTYPE html><html lang=en><head>
<title>Hi</title>
</head>
<body>
<script src=a.js></script>
<script src=b.js></script>是啊。它只是在中途中断了。将树构建器从lxml更改为dom不会执行任何操作。调整HTML会改变输出，但它仍然相当糟糕。
回答 1
Stack Overflow用户
回答已采纳
发布于 2012-02-02 13:51:17
所以关键似乎是omit_optional_tags=False，遗漏了它会吃掉输出的末尾。
parser = html5lib.HTMLParser(tree = html5lib.treebuilders.getTreeBuilder("lxml"))
document = parser.parse(html)
walker = html5lib.treewalkers.getTreeWalker("lxml")
stream = walker(document)
s = serializer.htmlserializer.HTMLSerializer(omit_optional_tags=False)
output_generator = s.serialize(stream)
for item in output_generator:
print item
<!DOCTYPE html>
<html lang=en>
<head>
<title>
Hi
</title>
</head>
<body>
<script src=a.js>
</script>
<script src=b.js>
</script>
</body>
</html>
>>>页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/9107649
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号