python检查html是否有效答案

【问题标题】：python check html validpython检查html是否有效
【发布时间】：2011-04-07 16:24:53
【问题描述】：

如何使用 Python 检查 HTML 代码的有效性？

我需要封闭标签检查和标签参数中的大括号。例如 |a href="xxx'| 和其他可能的验证，我可以使用哪些库？

【问题讨论】：

【解决方案1】：

嗯，这不正是您要寻找的，但是为了验证我工作的网站的 HTML，我要求 W3C 验证器为我检查它，然后我只是截取输出以获取基本的是/否结果。请注意，网络上有多种验证服务可供选择，但 W3C 对我来说已经足够好了。

#!/usr/bin/python2.6
import re
import urllib
import urllib2

def validate(URL):
    validatorURL = "http://validator.w3.org/check?uri=" + \
        urllib.quote_plus(URL)
    opener = urllib2.urlopen(validatorURL)
    output = opener.read()
    opener.close()
    if re.search("This document was successfully checked as".replace(
            " ", r"\s+"), output):
        print "    VALID: ", URL
    else:
        print "INVALID: ", URL

【讨论】：

stackoverflow.com/a/10519634/2729778 是一个类似但更简洁的答案。

【解决方案2】：

html5lib 模块可用于执行基本的 HTML 验证：

>>> import html5lib
>>> html5parser = html5lib.HTMLParser(strict=True)
>>> html5parser.parse('<html></html>')
Traceback (most recent call last):
  ...
html5lib.html5parser.ParseError: Unexpected start tag (html). Expected DOCTYPE.
>>> html5parser.parseFragment('<p>Lorem <a href="/foobar">ipsum</a>')
<Element 'DOCUMENT_FRAGMENT' at 0x7f1d4a58fd60>
>>> html5parser.parseFragment('<p>Lorem </a>ipsum<a href="/foobar">')
Traceback (most recent call last):
  ...
html5lib.html5parser.ParseError: Unexpected end tag (a). Ignored.
>>> html5parser.parseFragment('<p><form></form></p>')
Traceback (most recent call last):
  ...
html5lib.html5parser.ParseError: Unexpected end tag (p). Ignored.
>>> html5parser.parseFragment('<option value="example" />')
Traceback (most recent call last):
  ...
html5lib.html5parser.ParseError: Trailing solidus not allowed on element option

【讨论】：

这似乎没有捕捉到以下无效的 HTML：html5parser.parseFragment('<span><div></div></span>')。