html5lib-modern 1.2

用法

简单用法遵循以下模式

import html5lib
with open("mydocument.html", "rb") as f:
    document = html5lib.parse(f)

或者

import html5lib
document = html5lib.parse("<p>Hello World!")

默认情况下，document 将是一个 xml.etree 元素实例。在可能的情况下，html5lib会选择加速的 ElementTree 实现。

还支持两种其他树类型：xml.dom.minidom 和 lxml.etree。要使用替代格式，指定树构建器的名称

import html5lib
with open("mydocument.html", "rb") as f:
    lxml_etree_document = html5lib.parse(f, treebuilder="lxml")

在使用 urllib.request (Python 3) 时，应将HTTP中的字符集传递给html5lib，如下所示

from urllib.request import urlopen
import html5lib

with urlopen("http://example.com/") as f:
    document = html5lib.parse(f, transport_encoding=f.info().get_content_charset())

要更多地控制解析器，可以显式创建解析器对象。例如，要使解析器在解析错误时抛出异常，请使用

import html5lib
with open("mydocument.html", "rb") as f:
    parser = html5lib.HTMLParser(strict=True)
    document = parser.parse(f)

当您显式实例化解析器对象时，将树构建器类作为tree关键字参数传递，以使用替代文档格式

import html5lib
parser = html5lib.HTMLParser(tree=html5lib.getTreeBuilder("dom"))
minidom_document = parser.parse("<p>Hello World!")

更多文档可在https://html5lib.readthedocs.io/找到。

安装

html5lib支持CPython 3.8+和PyPy。要安装

$ pip install html5lib

目标是支持pip支持的版本的非严格超集。

可选依赖

以下第三方库可用于额外功能

• lxml作为树格式（用于构建和遍历）在CPython中得到支持（但在PyPy中不支持，因为它已知会导致段错误）；

• genshi有一个树遍历器（但没有构建器）；

• chardet在无法确定字符编码时可以作为后备使用。

错误

请将任何错误报告在问题追踪器上。

测试

单元测试需要pytest和mock库，可以在根目录中使用pytest命令运行。

测试数据包含在单独的html5lib-tests仓库中，并作为子模块包含，因此对于git检查，必须初始化

$ git submodule init
$ git submodule update

如果您在系统上提供了所有兼容的Python实现，您可以使用PyPI上可找到的tox实用工具在它们上面运行测试。

有问题？

查看文档。仍需要帮助？前往我们的GitHub论坛。

您还可以浏览html5lib-discuss邮件列表的存档。

补丁和建议

(按时间顺序，按首次提交：)

• Anne van Kesteren

• Lachlan Hunt

• lantis63

• Sam Ruby

• Thomas Broyer

• Tim Fletcher

• Mark Pilgrim

• Ryan King

• Philip Taylor

• Edward Z. Yang

• fantasai

• Philip Jägenstedt

• Ms2ger

• Mohammad Taha Jahangir

• Andy Wingo

• Andreas Madsack

• Karim Valiev

• Juan Carlos Garcia Segovia

• Mike West

• Marc DM

• Simon Sapin

• Michael[tm] Smith

• Ritwik Gupta

• Marc Abramowitz

• Tony Lopes

• lilbludevil

• Kevin

• Drew Hubl

• Austin Kumbera

• Jim Baker

• Jon Dufresne

• Donald Stufft

• Alex Gaynor

• Nik Nyby

• Jakub Wilk

• Sigmund Cherem

• Gabi Davar

• Florian Mounier

• neumond

• Vitalik Verhovodov

• Kovid Goyal

• Adam Chainz

• John Vandenberg

• Eric Amorde

• Benedikt Morbach

• Jonathan Vanasco

• Tom Most

• Ville Skyttä

• Hugo van Kemenade

• Mark Vasilkov

HTML5Lib-modern

• Ashley Sommer