标签：python html-parsing

我有一个庞大的数据库,其中包含我正在插入网站的论坛帖子.然而,很多人试图在他们的论坛帖子中使用html,而且往往做错了.因此,总会出现迷路< strike> &LT b取代; &LT /击&GT &LT / DIV&GT &LT / B个帖子中的标签,当我添加15个论坛帖子时,最终会弄乱网页格式.

现在我刚刚将所有可能的结束标记附加到帖子上,以便它可以捕获任何打开的标记…有没有更好的方法来解决文本并尝试手动删除每个打开的标记.对于loooooong论坛帖子来说,这对于网络应用来说是一项昂贵的交易.

解决方法:

看看HTML Tidy

还有一个Python包装器lib：µTidylib

另外还有HTML Purifier

标签：python,html-parsing
来源： https://codeday.me/bug/20190710/1421897.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。