Что происходит с этим скриптом html5lib? - PullRequest
Новая
       24

Что происходит с этим скриптом html5lib?

0 голосов
/ 02 февраля 2012

Попытка обработать очень простой скрипт html5 и отобразить его с помощью html5lib 

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

Вывод выглядит так: 

<!DOCTYPE html><html lang=en><head>
        <title>Hi</title>
    </head>
    <body>
        <script src=a.js></script>
        <script src=b.js></script>

Да. Это просто отсекает середину пути. Изменение конструктора дерева с lxml на dom ничего не дает. Тонкая настройка HTML изменяет вывод, но он все еще довольно поврежден.

1 Ответ

1 голос
/ 02 февраля 2012

Таким образом, ключ, похоже, omit_optional_tags=False как-то с отсутствующим ключом съедает конец вывода. 

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>
>>>
...