这个 html5lib 脚本是怎么回事？答案

【问题标题】：What is going on with this html5lib script?这个 html5lib 脚本是怎么回事？
【发布时间】：2012-02-02 05:35:29
【问题描述】：

尝试处理一个非常简单的 html5 脚本并使用 html5lib 渲染它

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：

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

是的。它只是中途切断。将树构建器从 lxml 更改为 dom 没有任何作用。调整 HTML 会更改输出，但它仍然很损坏。

【问题讨论】：

标签： python html5lib

【解决方案1】：

所以关键似乎是 omit_optional_tags=False 不知何故缺少它会吃掉输出的结尾。

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>
>>>

【讨论】：

无法使用您的代码重现。 's' 甚至没有在您的代码中定义。想要使用不会出错的代码编辑您的回复？
啊。所以关键似乎是 omit_optional_tags=False - 不知何故，缺少它会吃掉输出的结尾。