HTML5Lib (Python)

Det følger den oprindelige WHATWG officielle HTML5-specifikationen.
Den parser er designet til at håndtere alle varianter af HTML og analyserer ugyldige dokumenter ved hjælp veldefinerede fejlhåndtering regler er forenelige med opførslen af ​​store desktop webbrowsere.
Udgangen palced inde i en træstruktur.
Det understøtter output til ElementTree, DOM og LXML træ formater samt en simpel brugerdefineret format.
HTML5Lib er pakket med distutils.
HTML5Lib findes også på:
Ruby - download HTML5Lib for Ruby her .
Python - download HTML5Lib for Python her .
PHP - download HTML5Lib til PHP her

Hvad er nyt i denne udgivelse:

• parser. gyldige og ugyldige HTML-dokumenter til et træ
• Støtte til minidom, ElementTree (herunder cElementTree og lxml.etree), BeautifulSoup (forældet) og brugerdefinerede simpletree output formater
• DOM til SAX converter
• Rapporter parse fejl
• Tegnsæt detektering
• Filtrering og Fortløbende træer
• HTML + CSS sanitizer
• Mange unit test