处理HTML以删除和关闭Python中打开的标记

我试图在Python中使用HTMLParser处理没有结束标记的HTML，或者使用无效的结束标记：

条目：

<div>
  <p>foo 
</div>
bar</span>

福
酒吧

输出：（关闭打开的标签和打开错误的关闭）

福

酒吧

甚至：（在不立即打开和关闭所有打开的标签的情况下移除关闭）

富吧

我的代码只关闭打开的标记，但不能在HTMLPasser的循环中编辑HTML

from HTMLParser import HTMLParser

singleton_tags = [
  'area','base','br','col','command','embed','hr',
  'img', 'input','link','meta','param','source'
]

class HTMLParser_(HTMLParser):

    def __init__(self, *args, **kwargs):
        HTMLParser.__init__(self, *args, **kwargs)
        self.open_tags = []

    # Handle opening tag
    def handle_starttag(self, tag, attrs):
        if tag not in singleton_tags:
            self.open_tags.append(tag)

    # Handle closing tag
    def handle_endtag(self, tag):
        if tag not in singleton_tags:
            self.open_tags.pop()

def close_tags(text):
    parser = HTMLParser_()

    # Mounts stack of open tags
    parser.feed(text)

    # Closes open tags
    text += ''.join('</%s>'%tag for tag in parser.open_tags)

    return text

从HTMLParser导入HTMLParser
单件标签=[
'区域'，'基础'，'br'，'列'，'命令'，'嵌入'，'人力资源'，
“img”、“输入”、“链接”、“元”、“参数”、“源”
]
类HtmlPasser（HtmlPasser）：
定义初始化（self，*args，**kwargs）：
HtmlPasser.\uuuuu初始化（self，*args，**kwargs）
self.open_标记=[]
#手柄开启标签
def句柄\u开始标记（自身、标记、属性）：
如果标记不在singleton_标记中：
self.open_tags.append（标记）
#句柄结束标记
def handle_endtag（self，tag）：
如果标记不在singleton_标记中：
self.open_tags.pop（）
def close_标签（文本）：
parser=HTMLParser_u389;（）
#安装打开标记的堆栈
parser.feed（文本）
#关闭打开的标记
text+=''.join（''%tag表示解析器中的标记。打开标记）
返回文本

我建议调查一下。这是我（对于任何语言）使用过的最好的HTML解析器，它使在Python中使用HTML变得非常容易

有一个

美化

功能可能对您有用。查看标题为的部分

<div>
  <p>foo bar</p>
</div>

from HTMLParser import HTMLParser

singleton_tags = [
  'area','base','br','col','command','embed','hr',
  'img', 'input','link','meta','param','source'
]

class HTMLParser_(HTMLParser):

    def __init__(self, *args, **kwargs):
        HTMLParser.__init__(self, *args, **kwargs)
        self.open_tags = []

    # Handle opening tag
    def handle_starttag(self, tag, attrs):
        if tag not in singleton_tags:
            self.open_tags.append(tag)

    # Handle closing tag
    def handle_endtag(self, tag):
        if tag not in singleton_tags:
            self.open_tags.pop()

def close_tags(text):
    parser = HTMLParser_()

    # Mounts stack of open tags
    parser.feed(text)

    # Closes open tags
    text += ''.join('</%s>'%tag for tag in parser.open_tags)

    return text