个人中心
文章发布
退出
作者热门文章
- mongodb - 在 MongoDB mapreduce 中，如何展平值对象？
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗？
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
26
4
有这么多html and xml libraries built into python ，很难相信不支持真实世界的 HTML 解析。
我为这项任务找到了很多很棒的第三方库，但这个问题是关于 python 标准库的。
要求:
)Hello, <i>World</i>!)奖励积分:
<big>does anyone here know <html ??? 根据要求，这是我 90% 的解决方案。这适用于我尝试过的有限的 HTML 集，但每个人都可以清楚地看到，这并不完全可靠。由于我是通过盯着文档 15 分钟和一行代码来做到这一点的，所以我认为我可以咨询 stackoverflow 社区以寻求类似但更好的解决方案...
from xml.etree.ElementTree import fromstring
DOM = fromstring("<html>%s</html>" % html.replace(' ', ' '))
最佳答案
可靠地解析 HTML 是一个相对现代的发展(虽然这看起来很奇怪)。结果，标准库中肯定没有任何内容。 HTMLParser 看起来可能是处理 HTML 的一种方式，但事实并非如此——它在许多非常常见的 HTML 上都失败了，虽然你可以解决这些失败，但总会有另一种你没有想到的情况(如果你真的成功处理了每一个失败，你基本上就重新创建了 BeautifulSoup)。
实际上只有 3 种合理的方式来解析 HTML(在网上可以找到):lxml.html , BeautifulSoup , 和 html5lib . lxml 是迄今为止最快的，但安装起来可能有点棘手(在 App Engine 这样的环境中是不可能的)。 html5lib 基于 HTML 5 如何指定解析；尽管在实践中与其他两个相似，但它在解析损坏的 HTML 的方式上可能更“正确”(它们都以相同的方式解析非常好的 HTML)。他们在解析损坏的 HTML 方面都做得很好。 BeautifulSoup 可以很方便，尽管我发现它的 API 不必要地古怪。
关于python - 如何使用标准库在 python 中解析格式错误的 HTML，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2676872/
26
4
0
我最近在读 CSAPP。在 10.9 节中，它说标准 I/O 不应该与 socket 一起使用，原因如下: (1) The restrictions of standard I/O Restricti
似乎是一个足够标准的问题，可以保证解决方案中的标准设计: 假设我想在文件中写入 x+2(或更少)个字符串。 x 字符串构成一个部分的内容，这两个字符串构成该部分的页眉和页脚。要注意的是，如果内容中没有
代码版本管理 在项目中，代码的版本管理非常重要。每个需求版本的代码开发在版本控制里都应该经过以下几个步骤。 在master分支中拉取该需求版本的两个分支，一个feature分支，
我有以下sql查询，我需要获取相应的hibernate条件查询 SELECT COUNT(DISTINCT employee_id) FROM erp_hr_payment WHERE payment
所以我正在编写一些代码，并且最近遇到了实现一些 mixin 的需要。我的问题是，设计混音的正确方法是什么？我将使用下面的示例代码来说明我的确切查询。 class Projectile(Movable,
我的环境变量包含如下双引号: $echo $CONNECT_SASL_JAAS_CONFIG org.apache.kafka.common.security.plain.PlainLoginModu
示例: /** * This function will determine whether or not one string starts with another string. * @pa
有没有办法在 Grails 中做一个不区分大小写的 in 子句？ 我有这个: "in"("name", filters.tags) 我希望它忽略大小写。我想我可以做一个 sqlRestriction
我搜索了很长时间，以查找将哪些boost库添加到std库中，但是我只找到了一个新库的完整列表(如此处:http://open-std.org/jtc1/sc22/wg21/docs/library_t
我已经通过使用这个肮脏的黑客解决了我的问题: ' Filter managerial functions ActiveSheet.Range("$A$1:$BW$2211").Auto
因此，我很难理解我需要遵循的标准，以便我的 Java 程序能够嵌入 HTML。我是否只需将我的主类扩展到 Applet 类，或者我还需要做更多的事情吗？另外，在我见过的每个 Applet 示例中，它都
我对在 Hibernate 中使用限制有疑问。 我必须创建条件，设置一些限制，然后选择日期字段最大值的记录: Criteria query = session.createCriteria(Stora
我有标准: ICriteria criteria = Session.CreateCriteria() .SetFetchMode("Entity1", FetchMo
我很难编写条件来选择所有子集合或孙集合为空的实体。我可以将这些作为单独的条件来执行，但我无法将其组合成一个条件。 类结构: public class Component { p
@Entity class A { @ManyToMany private List list; ... } @Entity class B { ... } 我想使用条件(不是 sql 查询)从 A
我的数据库中有以下表结构: Table A: Table B: Table C: _______________
请帮助我: 我有下一张 table : 单位 ID 姓名 用户 ID 姓名 利率 单位 ID 用户 ID 我不明白如何从 SQL 创建正确的条件结构: 代码: SELECT * FROM Unit W
我正在构建一个包含项目的网站，每个项目都有一个页面，例如: website.com/book/123 website.com/film/456 website.com/game/789 每个项目都可以
我需要使用两个属性的组合来过滤结果列表。一个简单的 SQL 语句如下所示: SELECT TOP 10 * FROM Person WHERE FirstName + ' ' + LastName L
我有一个“ super 实体”SuperEntity 和三个扩展父类(super class)的实体 ChildEntity1、...、ChildEntity3。 搜索数据库中的所有实体很容易，即我们
我是一名优秀的程序员,十分优秀！